<tbody id="q8j79"></tbody>

    泓德基金AI Lab負責人李子昂:乘著AI的翅膀 在廣闊市場探索未知
    來源:財聯社 時間:2023-11-03

    當深刻體悟到自身的局限,我們寄望于科技來探索未知,只是大多數人還心存疑惑:量化的邊界在哪里?AI能幫助主動投資飛多高?多遠?沒有現成的答案。但李子昂和泓德基金的AI Lab團隊,正不斷嘗試著尋找更好的方向。


    Lab - 副本.jpg


    人生是曠野,而不是軌道。投資亦如是。2023年,太多市場參與者迷失在這片曠野上。


    當深刻體悟到自身的局限,我們寄望于科技來探索未知,只是大多數人還心存疑惑:量化的邊界在哪里?AI能幫助主動投資飛多高?多遠?


    沒有現成的答案。但李子昂和泓德基金的AI Lab團隊,正不斷嘗試著尋找更好的方向。


    從線性到非線性 量化投資拓展邊界


    國際象棋中的深藍、圍棋中完勝國手的阿爾法狗......一想到AI,這些激動人心的應用讓人浮想聯翩。


    落實到量化領域,AI的加入究竟能在多大程度上賦能投資?對此,泓德基金AI Lab負責人李子昂表示,從線性到非線性,AI的加入使量化投資加快更新迭代,呈現出一個百花齊放的狀態。


    “量化的本質核心其實是基于統計規律去做投資,其實主動投資也是結合歷史形成對未來的預期和判斷?!崩钭影航庾x道,“我們在海量數據里尋找未來能夠賺錢的一些規律,然后再根據這些規律去做投資”。


    李子昂講述,一開始,常用的量化模型都是偏線性的多因子模型,通過不同的維度來尋找一些有賺錢效應的因子,到后來,人們發現一些看似和股市無關的信息也可以拿來建模,市場好像也并不完全是依照線性思維來運作,人們就開始引入一些非線性的數據,比如天氣對股市的影響、基金經理顏值與投資回報的關系等等,各種各樣非結構化的數據都可以通過AI方式去學習,尋找可能產生超額收益的因子。


    “從線性到非線性,我們所做的無非是更好地認知世界,探索市場的未知?!崩钭影罕硎?,“有了AI的加入,現在很多模型已經能夠產生相對穩定的超額收益,但是目前還遠遠沒有達到最好的效果。如果有一天AI真正具備了智能,能夠像人一樣做決策或者是自己去設計自己的模型,世界又是另外一個樣子。但在現階段,AI背后體現的還是人的智慧,所以我們要不斷激發靈感迭代模型,戰勝過去的自己”。


    從集中到分散 超額收益有待挖掘


    量化投資得以重歸投資者視野,基于特定的市場環境。


    2023年以來,集中押注、賽道投資的方法在持續調整和極致輪動中遭遇重挫,Beta的缺失拖累了大多數主動權益基金的表現。在市場風格重歸混沌之際,以分散為特征、著重挖掘市場Alpha的量化投資卻找到了適合發展的土壤,走出了獨立于市場的表現。


    由此也帶來兩個問題:一是量化的超額收益會否隨著市場風格變化而減少?二是怎樣才能在AI量化中脫穎而出?對此,李子昂有著清晰的認知。


    “通過數據回測,我們可以發現在震蕩市中,AI量化通常有不錯的超額收益,但也有一定的例外情況:比如極致的上漲市,由于Beta因子的過度體現,或者上漲個股過度集中,使得以分散投資為核心的量化階段性失效;二是在市場流動性相對比較差的時候,也會給AI量化帶來一定的挑戰;三是當策略的迭代出現放緩、同質化策略越來越多的時候,超額收益也會有所下降?!?/span>


    也正因為這樣,想要在AI量化中脫穎而出,對基金經理提出了更高的要求。


    “真正讓我們的模型不斷保持先進性的原因只有一個,就是要不斷地去迭代模型,讓模型能夠更好地去學習到市場的規律。所以,任何時候都要努力去做新的、更好的模型,才能夠在一定程度上抵御這些模型的失效?!崩钭影罕硎?。


    從現在到未來 創新激發更多可能


    從美國哥倫比亞大學理學碩士到證券投資行業,從量化研究員到泓德AI Lab負責人,擁有10年證券從業經驗、9年投研經驗的李子昂有幸遇上了一個AI量化蓬勃發展的時代,能夠充分施展所長。


    “我們的AI Lab建立得比較早,一開始是基于研究的目的,想引入市場上AI的先進技術賦能投研,現在的邏輯是去做AI的選股?!崩钭影罕硎?,具體而言,通過深度神經網絡挖掘高頻量價中的Alpha特征,用深度學習方式實現傳統模型因子挖掘和因子合成的過程,從而更好地提取高頻特征中隱含的Alpha。


    “既然名為Lab,我們更多希望整個團隊是一個研究型的團隊,能夠做一些創新的東西出來。做好AI投資一定要同時具備科研精神和工程能力,保持研究的熱情對團隊成員來說非常重要?!?/span>


    當下投資者應當怎樣去選擇量化產品?或者選擇量化團隊?李子昂表示,如果現在這個時間點去做量化投資,有兩點值得重視:


    “一是投資者對于beta端的認可。例如,當前中證500指數的估值分位不到30%。未來如果有一輪牛市,beta端的收益可能相對可觀;二是alpha端,投資者要去考察哪些模型和方法論適合做alpha,這件事情是相對比較重要的事情。選擇量化團隊也要看其實現alpha的能力,剔除行業收益和風格收益之外,純alpha的收益到底是多少,這也是量化團隊之間差異和優勢所在?!?/span>



    人人艹人人干人人摸|国产天堂亚洲国产碰碰|被老头强奷到爽小说|天天躁日日躁狠狠躁欧美老妇
    <tbody id="q8j79"></tbody>