新公司法：董事会人数不设上限

《中华人民共和国公司法》（下称“新公司法”）于2023年12月29日修订通过，自2024年7月1日起施行。新公司法的修改范围甚广，本文从以董事职权为核心的公司治理角度展开分析。
董事会权力扩大
“审议批准公司的年度财务预算方案、决算方案”是股东会的传统权力之一，但新公司法专门规定这项权力不再强制由股东会行使，而是可以通过章程下放给董事会。与此同时，新公司法删除了董事会“对股东会负责”的字样。
新公司法规定：“股东会可以决议解任董事，决议作出之日解任生效。无正当理由，在任期届满前解任董事的，该董事可以要求公司予以赔偿。”股东会不讲理由，甚至大股东基于不正当的理由提前罢免董事的，董事仍然不可抗拒地需要下台。只不过现在，被解任董事多了一些反击的权利，即要求股东会给出正当理由及证据，否则可以到法院起诉索赔。
作为公司日常意志的代言人，董事会也可以决定股东资格的有无。在股东资格方面，新公司法对何时能确认股东资格成立的问题仍然未做结论。比如在公司新增股本时，新股东可以行使权利的起点是认缴股本、完成登记抑或其他时刻，目前可以由各公司自行决定。
在股东资格终止的问题上，此前司法解释规定了股东未履行出资义务时对其除名的制度，但存在被除名股东本身对此是否有权表决的疑问。新公司法明确这是公司的权力，改为由董事会决议通过股东失权。异议程序也不同于董事会决议无效或可撤销，相对更加快捷。股东对失权有异议的，应当自接到失权通知之日起三十日内，向法院提起诉讼。对一般的董事会决议的撤销之诉，股东可以在决议通过后六十日内提出。
董事会人数不设上限
新公司法对有限责任公司董事会会议的程序，施加了原来给股份有限公司的规则，即董事会会议应当有过半数的董事出席方可举行。董事会作出决议，应当经全体董事的过半数通过。这两点不再任由公司章程自定。
新公司法还规定，未召开董事会会议作出决议的，董事会决议不成立。决议“不成立”在法理上比“可撤销”还严重。决议可撤销，也意味着可不撤销，只要一定期限内无人挑战，就自动“洗白”了。而“不成立”意味着法律不承认其存在过，更不用说有效。
这意味着公司董事会开会需要遵循更加严格的程序，特别是不再能通过董事会一致同意、分别签字的方式来形成决议。
新公司法规定公司股东会、董事会、监事会召开会议和表决可以采用电子通信方式，公司章程另有规定的除外。但这只是说章程可以规定只能线下开会，或电子通信方式的会议限于腾讯会议、不含微信群的语音群聊等。章程若规定董事、监事可以不开会，那是无效的。
与此同时，对有限责任公司和股份有限公司的董事会人数，新公司法也删除了13人和19人的上限。在理论上，董事会人数可以大为膨胀。
两种情况尤其值得防范。一种情况是挂名董事太多、且不能积极参会，导致董事会会议到会法定人数不足，无法正常举行。另一种情况是董事长等公司控制人操纵董事会，安排大量“听使唤”的空头董事，专门用于在董事会上凑人头、压制其他真正的董事。这两种情形都是对公司治理的破坏。
对此，不同公司可以根据实际情况，采取两种策略。一种情况是压缩董事会人数，将董事会人员限于能实际积极参与公司治理的人，提高审议效率。另一种相反的情况是，如果不得不安排不少挂名的，但未必每次都能积极参会的董事，那就扩大董事会人员，安排可信赖的、参会可能性高的人员（比如公司的律师等顾问人员），以实现开会效率。
董监高股权转让受到更多限制
新公司法规定：“股份有限公司董事、监事、高级管理人员（董监高）在就任时确定的任职期间，每年转让的股份不得超过其所持有本公司股份总数的百分之二十五。”这个规则并非一种全新的限制，新增的是“就任时确定的任职期间”。这个意思是说，董监高如果提前辞职甚至被免职，限制期还是原来的任期。

浅谈人工智能量化投资

人工智能在量化投资领域一直被视为一项前沿技术。因为机器学习算法和自主决策系统，大幅提高了投资组合的效率和收益。所以，现在许多投资机构都在使用人工智能技术进行量化投资。
人工智能量化投资最重要的优点是自动化。投资者无需手动进行买卖决策，而是使用程序员编写的算法。这带来了许多好处，其中最显着的好处是减少了人为错误和情感决策的影响。程序员编写的算法通过大数据挖掘，寻找市场中的价差和良好交易机会，从而提高了投资收益和资产利润。
人工智能系统在进行量化投资时有着很好的表现。在程序员的指导下，人工智能可以轻松管理和分析大量数据，快速找到投资机会。重要的是，这种自主决策可以实时进行监测和管理。
此外，人工智能量化投资还可以减少人类的情感干扰。许多投资决策仍然受到情感和决策偏见的影响，而人工智能可以自动避免这种情况。经过深度学习之后，人工智能可以更好地理解市场趋势和数据分析，进而制定更正确的投资策略。

尽管人工智能量化投资带来了诸多优点，但它也存在一些风险。基于算法的投资模型需要高效管理，否则可能出现故障和程序漏洞。这种情况可能导致投资组合产生不可预测的亏损。

而且，人工智能投资模型往往是基于历史数据进行计算的，因此模型无法考虑可能发生的未来事件，如政治不稳定或公司合并等情况。这种情况可能导致投资收益降低。
综合上述各点考虑，人工智能量化投资可看作是一种新兴的投资方式，应适度使用。投资者应该在使用人工智能量化投资时，根据自己的实际情况和需求，进行适度尝试，避免过度依赖技术。同时，程序员和其他专业人士也应积极监控和维护人工智能投资模型，为投资者提供更加可靠的投资工具。

总之，人工智能量化投资可以为投资者带来更高效和更好的投资收益。但是，投资者必须认真评估风险和收益，并谨慎评估算法的可靠性和有效性，避免风险和错误决策。

让我们来认识量化投资

量化投资是一种基于数学模型和算法的投资策略，它通过分析大量的历史数据和市场信息，来预测未来市场的走势，并据此进行投资决策。量化投资的目标是通过系统性的方法，降低人为因素对投资决策的影响，提高投资的稳定性和收益率。
量化投资的优势：
系统性：量化投资通过建立数学模型和算法，将投资策略系统化，有助于降低人为情绪和主观判断对投资决策的影响。
高效性：量化投资可以利用计算机程序自动执行交易策略，提高交易的速度和效率。
风险控制：量化投资可以通过对投资组合的优化和风险管理，降低投资风险，提高收益稳定性。
跨品种投资：量化投资可以涵盖股票、债券、期货、外汇等多种金融产品，实现资产的多元化配置。

量化投资的挑战：
模型风险：量化投资依赖于数学模型和算法，如果模型存在缺陷或者过度拟合，可能导致投资策略失效。
技术更新：金融市场不断变化，量化投资需要不断更新和优化模型，以适应市场的变化。
竞争加剧：随着越来越多的投资者采用量化投资策略，市场竞争加剧，收益率可能会受到影响。

针对量化投资，我们应该：
在选择量化投资策略时，要关注策略的稳定性、风险控制能力和历史业绩，选择适合自己风险承受能力的投资策略。
了解量化投资的基本原理和方法，以便更好地理解和监控投资过程。
与专业的量化投资团队或顾问合作，借助他们的专业知识和经验，提高投资的成功率。
定期评估量化投资策略的表现，及时调整投资策略，以适应市场的变化。

量化投资的缺点是什么？

在A股市场，每次量化基金的高光时刻，几乎都是市场风格切换到中小盘时，也就是主动基金抱团标的尚未出现的空挡期，换言之，量化基金能火多久，多半取决于空挡期的持续时间，公募机构主动缩减基金规模不仅是对量化策略容量的考虑，更是对基金业绩持续时间的考虑。

一、什么是量化投资？

量化投资是根据资本市场的内在逻辑，运用机器学习、模式识别、数据挖掘等方法建立数学模型，形成投资策略并做成计算机程序，进行自动化交易的一种投资方式。

二、量化投资与高频交易、对冲基金是一回事吗？

量化投资既不是高频交易，也不是对冲基金，更不是简单的数据挖掘：

量化投资和高频交易的区别。量化投资可以是高频的，也可以是低频的，取决于具体的量化策略。

量化投资与对冲基金的区别。量化投资可以采取风险对冲措施，也可以不采取。此外，量化投资也不一定是市场中性策略，后者往往是买入一揽子股票，同时通过卖空对应的股指期货合约，对冲掉市场的系统性风险，从而追求买入的股票组合跑赢股指的收益。在A股市场，由于投资工具的缺乏，很难做到100%的市场中性。

量化投资不是简单的数据挖掘。量化投资是通过历史数据发现规律，强调的是投资逻辑，核心是对市场的理解，不能等同于数据的挖掘，例如一波涨势的背后可能有多个因子，如何确定是哪些因子在起作用，这些起作用因子的内在逻辑以及适合的市场环境，比单纯的批量挖掘数据要重要的多。在理解市场的基础上，再去探讨算法的精确度、编程的速度等才有意义。

二、量化投资的特点

量化投资可以集百家之长。成功的基金经理几乎有其独特的投资风格，比如巴菲特的价值投资、彼得林奇的成长投资、安东尼波顿的小盘股投资、索罗斯的全球宏观策略、西蒙斯的技术投资等，每种投资逻辑都有其内在的规律，虽然在某一种具体策略上，量化投资比不过这些投资大师，但可以把这种策略的投资逻辑纳入量化投资的框架，在选股上，可以实现使用不同人的方法。

量化投资的标的覆盖范围可以很大。量化投资几乎都需要利用程序去处理大量的历史数据，借助这一特点，可以在短时间内把沪深300、中证500 ，甚至整个市场的股票全部筛选一遍，这就让量化投资具备了全面性、系统性、及时性、准确性和分散性的特点。尤其是分散性，量化投资可以根据各种因子进行批量筛选、批量建仓，从而限制单一标的的仓位规模，分散风险，控制回撤。

量化投资可以避免情绪化操作。量化投资有自己的建仓与平仓的逻辑，不会因为消息面、市场波动而有所改变。在2008年，金融危机中，量化投资基金在止损方面做得比较好，但并不是说量化基金在危机中没有亏损。而有些时候，量化基金可能会损失更大，比如投资逻辑不太适合市场环境时，量化基金开仓平仓操作频繁，不仅容易增加交易费用，而且容易增加亏损的概率。

三、量化投资的缺点

1、策略的市场容量

以我们常见的CTA为例，几乎每个CTA策略的市场容量都是有限的，现在不少CTA策略改为做长线的趋势跟踪也是这个原因。尤其是在中国，由于各个商品期货策略的相关性高，100个期货品种里面差不多能分成3-5个大类，并且均由人民币定价，规模上限比较明显。虽然过去几年CTA策略在国内表现很好，但从国外的经验来看，Barclay CTA Index自1980年以来的年化收益率在10%左右。

市场容量约束往往还会引发策略共振的副作用。在2008年初，长期资本系的基金就发生了策略共振，这是一帮由长期资本管理公司出来的一群天才二次创办的多家基金公司，交易标的和策略非常类似，在2007年下半年，他们都看到了在日本债券收益率的机会，建立了相似的头寸，结果这个机会容纳不了这么多头寸，一起把桥震垮了，大部分长期资本系公司在金融危机之前就已经倒掉了。

此外，像2014年11月，在沪港通政策出台和加息的背景下，存在高度同质化却又隐藏着“错位对冲”的阿尔法策略受到了致命打击。

2、存在大量无法量化的情形

真实市场中不是每个因素都可以被量化的，主要有三类：

（1）宏观的事件。宏观事件的因素不是太少，而是太多，多到难以量化，或者量化的性价比不高。

（2）过去出现次数太少的事件。比如某个事件只出现过一次，那么很难知道这个事件具体受到什么因素的影响。

（3）未知事件。在量化策略设计时，对已经发生过的事件考虑的比较充分，每个突发事件都会有相应的处理方法，但是对于没有发生过的事件，几乎没有办法考虑，往往会做出错误的决定。

3、过度拟合的策略

过度拟合指的是量化策略的开发者，通过不断增加或优化参数，找到表现最好的股票，注意这个最好往往没有之一。过度拟合的策略往往有以下特征：

（1）回撤很小，甚至几乎没有回撤；

（2）交易次数很低；

（3）参数很多；

（4）符合条件的标的很少。

过度拟合策略是在追求低回撤且稳健回报的目标导向下，添加了太多的参数，对历史行情进行了过多的拟合，尤其是考虑了很多偶然的参数，比如公司重组，以至于难以刻画出下一个符合策略标准的股票。

过度拟合的一种表现形式是幸存者偏差，比如量化策略的开发者都倾向于用指数的当前成分股来做回测，但这些留在成分股中，且有足够多的过往数据做回测的股票，其本身质地就很不错，这将导致回测的效果比实际情况更好，举例而言，像美国的罗素3000指数，从1980年到现在，仅剩下不到500只股票留在成分股中。

4、基金经理对策略的信任度

量化基金并不是完全不受人为因素的影响，有时反而更加考验人性。每个基金经理都清楚，每个量化策略都有适合其生存的环境，以及会受到同类策略会对手策略的影响。

此前，就有新闻爆出国内某知名量化基金，在市场好的时候，为了赚的的更多，动了凡心，改了策略，这还是赚钱的时候，尚且难以完全信任模型，如果处于较大亏损的情形之下，基金经理很难不怀疑自己的模型。

5、量化投资对基本面的研究深度不足

主动管理型基金会对个股有着深入的研究，每个拟投资的标的一般都会有估值的上下限，但量化投资往往很难做到类似的深度，导致一些优质标的的买入时机不好，或者仓位太小。

来源：美股滚雪球

PIMCO旗下量化基金称中资科技股买入时机愈发接近

       太平洋投资管理公司(PIMCO)旗下量化基金Research Affiliates LLC首席投资官Chris Brightman近日表示，他看到了中资科技巨头的投资机会，并称这些公司的股票估值诱人。

　　Brightman表示，随着估值变得低廉，“我们越来越接近将这些头寸纳入投资组合的地步”。

　　他上周在接受采访时表示，历经多年的阵痛后，阿里巴巴(BABA.US)和腾讯(00700)等互联网平台公司的估值已降至历史低点，这些公司变得具有吸引力了。

       Brightman的观点与他同行的观点相呼应。目前，已经有不少基金开始增持中国股票，因为一旦合适的催化剂到来，这些资产随时可能会出现反弹。此外，中国经济复苏势头正在增强的进一步迹象以及中国股市近期的上涨，增加了市场正在触底反弹的希望。

　　汇编数据显示，在过去一年中，大量持有中国股票、管理着16亿美元资产的Pimco RAE Emerging Markets基金击败了94%的同行。

　　Brightman表示，该基金之所以能够获得可观的回报，得益于其基于账面价值、销售收益比、现金流和股息等因素进行投资的量化模型。该基金目前持有中国建设银行(00939)、中国银行(03988)和中国石油(00857)。

　　“从价值的角度来看，中国现在看起来很有吸引力。这与非常昂贵的股票形成对比，比如印度的股票，”Brightman称。

　　Brightman还补充道，中国股市“为重大地缘政治风险提供了可观的补偿”。

《新公司法》如何强化中小股东权益保护？

《新公司法》将于7月1日正式实施。关于强化中小股东权益保护，主要有八个方面：
1、新增股东压制时其他股东的回购请求权：新公司法第89条第3款、民法典第132条、总则司法解释第3条，不公平损害救济，行使股份回购请求权。
2、新增非公开发行公司的异议回购请求权：新公司法第161条
3、扩张股东查阅标的，激活关联诉讼：新公司法第57条第2款、第110条
4、新增股东双重代表诉讼：新公司法第189条
5、降低股份公司股东提案权比例：新公司法第115条第2款
6、新增利润分配的时限要求：新公司法第212条
7、同步比例减资与中小股东权利保护：新公司法第224条第3款
8、中小股东权益保护的一般条款：新公司法第21条

量化私募是做什么的

量化私募，顾名思义，是一种借助统计方法、数学模型来进行投资决策的私募基金。它将对冲策略与量化投资相结合，以期在降低风险的同时获取稳定收益。在金融市场上，量化私募基金逐渐崛起，吸引了众多投资者关注。那么，量化私募究竟是如何运作的呢？它包括哪些投资策略和领域？接下来，我们将详细探讨这些问题。

首先，量化私募的投资决策过程与传统私募基金截然不同。传统私募基金主要依赖基金经理的直觉和市场经验，而量化私募则依靠数据分析和计算机算法来进行投资决策。量化私募的投资过程可以分为以下几个步骤：

1. 数据收集：量化私募基金首先需要收集大量的金融数据，如历史交易数据、宏观经济数据、公司财务报表等。

2. 数据处理：对收集到的数据进行清洗、整理和预处理，以便后续分析。

3. 策略研发：基于统计学和数学模型，研发各类投资策略。这些策略可以是趋势跟踪、均值回归、套利等。

4. 回测与优化：通过历史数据对策略进行回测，评估策略的有效性和稳定性。对策略进行调整和优化，以期在实际操作中取得更好业绩。

5. 实盘交易：将经过优化的策略应用于实际交易，实现自动化下单、撤单和止损等操作。

6. 风险管理：持续监测投资组合的风险，并通过调整仓位、止损等方式进行风险控制。

7. 业绩评估与调整：定期评估策略的业绩，对策略进行进一步优化和调整。

量化私募基金的投资领域相当广泛，包括股票、债券、期货、外汇、数字货币等。根据不同的投资策略，量化私募基金可分为以下几类：

1. 股票量化策略：通过分析股票市场数据，寻找投资机会。如量化选股、事件驱动、高频交易等。

2. 债券量化策略：利用债券市场的定价规律，实现套利和风险控制。如利率债策略、信用债策略、可转债策略等。

3. 期货量化策略：研究期货市场价格规律，寻找套利机会。如商品期货、金融期货、期权等。

4. 外汇量化策略：通过对汇率波动进行分析，实现外汇交易盈利。如货币对交易、跨品种套利等。

5. 数字货币量化策略：研究数字货币市场行情，寻找投资机会。如数字货币套利、市场情绪分析等。

总之，量化私募基金作为一种新兴的投资方式，凭借其数据驱动、风险可控的优势，在金融市场逐渐崭露头角。投资者在选择量化私募产品时，需对基金的投资策略、管理团队、业绩表现等方面进行全面了解，以便在降低风险的同时，获取稳定收益。

量化的世界，很“简单”

今年以来，“量化投资”遭遇了一场信任危机。事实上，公募量化和私募量化完全不同，有着严格的监管和内部风控约束，大多数公募基金对微盘市值因子的暴露约束更加严格，换手率显著低于私募量化，尤其是指数增强基金，对成分股持仓比例还有最低80%的硬性要求。而近期出台的量化交易监管组合拳，有助于营造公平的市场环境，对于更加看重企业基本面、追求价值回归的公募量化策略而言，也是有利的。
在公募量化投资人看来，量化的世界，其实很“简单”。
公募界的量化投资名将雷俊，将量化的事情，条分缕析地给讲清楚了。雷俊现任长城基金总经理助理、量化与指数投资部总经理，是北京大学数字学士和智能科学硕士，也是公募基金领域最早开展大数据和人工智能量化投研的基金经理之一。

了解市场，才能战胜市场
“想要战胜市场，先要了解市场。”数学和智能科学双重学历背景，再加上人工智能领域的深度研究经历，雷俊对事物的认知，总是构建在严密的逻辑之上，他看待投资亦是如此。
“在我的投资坐标系中有两个关键变量，一个是Beta，一个是Alpha。”雷俊这样说。
从这个角度出发，投资的世界，脱离混沌与纠缠，变得一目了然。
对于Beta而言，普通投资人的感受就是上证综指、深证成指、沪深300等大型指数，其中权重股的占比更高，它们代表A股总体市场的表现。
Alpha则是很多投资人追求的圣杯，不管是普通投资人还是专业投资人。投资者总是希望在不同的市场环境下，不管股市是好是差，都能寻找到超越市场的标的，超越的收益就是Alpha。
从Beta和Alpha的属性出发，市场上的投资机会，就被清晰地划分成了两大类。
以指数为例，按照其标的市值从大到小进行划分，比如沪深300、中证500、中证1000、中证2000等指数。
对大型指数来说，其成长性、收益更多来自于盈利所创造的回报，它们的估值有一个锚，不会波动特别大，因此，投资者看待大型指数的投资价值，更多是看其中企业内生盈利的增长情况。
相对小型指数，其投资价值会比较均衡，比如500指数，有一半来自于企业盈利增长，还有一半来自于交易性机会，往后看，越小型的指数或股票交易性机会越多，估值博弈性会更强，Alpha属性也会更明显。“小市值股票更多的投资机会来自于交易定价，它的内生盈利性、稳健性跟大股票相比其实是偏弱的，因为没有大股票那么好的现金流、利润去应对经济周期，但是它的博弈性很强，所以在投资的过程中就产生了波动。”雷俊说。
在这样的两分世界中，雷俊的投资策略和产品体系，也就清晰明了。
据雷俊介绍，长城基金量化团队对大多数产品投资策略的设计与研究都是围绕Beta和Alpha展开的。具体来讲，如果一个指数的被动性更强，会基于Beta去定制设计投资策略；如果一个指数的Alpha属性带来的投资机会更多，则会围绕Alpha设计针对性策略。
“我们的量化团队在构建产品投资体系时，会把这两个属性结合起来考虑。对于Alpha属性更强的产品，我们更多关注Alpha的回报率，对于Beta导向更强的产品，我们更关注Beta部分的收益，但也会辅加一小部分Alpha。”雷俊介绍称。

量化投资做什么？
那么，在两分世界中，量化投资又怎样做到独辟蹊径？
雷俊介绍称，简单来说，量化投资其实就是两大基本步骤：因子挖掘和因子合成。
因子的挖掘和合成，都经历了持续的发展和进化，特别是人工智能技术的引进，让因子挖掘和因子合成，有了更多、更高的维度。
“市场上有大量的股票样本，股票还有很多基本面数据、价量数据，这些都提供了很好的信息源，帮助我们去挖掘因子。这是第一步：因子挖掘。”雷俊说。
因子的合成领域，则是逻辑梳理和建构的过程。
在传统的多因子模型中，看待一个公司，会从多个角度来评估它的投资价值，比如估值是否足够便宜、分红率是不是足够高、盈利质量或者成长性好不好，等等。“传统多因子的合成过程，是将指标分门别类并赋予不同的权重，比如有估值、成长、盈利、预期，还有交易、波动性等指标，把它加起来去做综合评价。就好像我们去超市买苹果，要看大小、色泽、水分、甜度、重量，这些在股市里面都有对应的指标。”雷俊形象地介绍称。
而人工智能技术的引进，则为传统的因子挖掘和因子合成，在深度和高度上，都带来了创新和突破。
AI的赋能，在长城基金量化团队，打开的是一片新世界——处理更多的数据，发现更多传统方法难以发现的规律。前者拓展了量化因子的广度和深度，例如以往难以挖掘到的情绪、交易、信息等因子，都开始被纳入量化投资；后者更是量化投资的维度突破。
“在以AI为驱动的新研究体系中，我们更多是结果导向，不会先验式地说必须要做什么，而是根据市场情况动态地学习和调整因子和因子之间组合的方式，可能是以非线性的结构进行组合，这样就使得我们原来的研究框架、边界从线性的空间延伸到非线性的空间，甚至是高维的。另外，在AI挖掘体系下，感知到的因子可能成百上千倍增长，因子体系也变得非常复杂，使用与之匹配的AI合成模式，可以更好地帮助我们去平滑市场波动所带来的因子变化的风险。简而言之，这套AI投资框架能够帮助我们最大限度发挥现在的数据生产力。”AI与量化的结合，对雷俊来讲，无异于发现了“新大陆”。

2024年寻找新均衡
雷俊复盘A股这些年的风格周期：2013-2016年小盘股牛市，2017年是“漂亮50”行情，大盘股遥遥领先于小盘股和微盘股，2017年到2021年初，是机构投资者占主导的市场，大中型股票有着很强的趋势；2021年一季度之后，随着蓝筹股的回调，市场宽度开始起作用，市场又进入中小市值投资周期，资金开始向中小盘股蔓延；2023年小盘股行情最终演绎为微盘股博弈。
“在大、中、小市值股票的投资收益来源中，股票市值越大，投资收益更多来自于盈利，和经济周期波动的相关性更高，股票市值越小，投资收益更多来自于交易或博弈。”雷俊介绍。
在雷俊看来，2024年，市场将走向一个相对的新均衡。
“从长期来看，监管对于信息披露的管理、对于投资者的保护机制越来越成熟，市场总体还是会回归均衡。在小盘股内部，也会有分化，需要更多关注小企业的现金流、利润、成长性等等。”雷俊说。
雷俊表示，作为量化投资人，还是希望稳扎稳打。“目前这个时点来看，我们认为中证500指数可能会是一个相对比较均衡的选择。中证500指数的成分股市值，更偏中盘，在这个指数里面有一部分是偏周期性的品种，估值比较低，我们也可以利用AI量化模型去捕捉一些交易性机会，这样就可以在这个指数的投资上叠加两部分收益，基金业绩可能也会更加稳健一些。”雷俊表示。

超五成私募看好这条主线

2024年度全球游戏开发者大会（GDC）与英伟达GPU技术大会（GTC）将于3月18日召开，市场对于国内A股市场“人工智能+”有了更多期待。实际上，2月6日至3月15日这一段时间，国内对人工智能前景的乐观情绪持续发酵，A股计算机、电子、通信等板块已大幅跑赢大盘及美国费城半导体指数。
同时，“人工智能+”的大幅上扬，也成为2月份私募业绩反攻的重要原因之一，直接推动主观投资策略在净值上的快速修复，不少私募收复失地甚至开始赚钱。业内认为，AI行情具备持续增长潜力，有望开启年度级别的长期行情。

AI重磅会议来临
根据全球游戏开发者大会（GDC）官网消息，2023 年GTC 线上大会参会者达31.9万人，2024年GTC将于3月18 日～21日召开，参展商300多家，各类演讲、培训、研讨会和小组讨论900余场，演讲人员来自META、OpenAI、Google DeepMind、斯坦福、xAI、Mistral AI等。
其中“AI”主题火爆，众多知名游戏公司参会，设有16场AI主题峰会演讲，包括大语言模型、模块化、生成式人工智能等。同时，英伟达GTC大会，也是英伟达每年最重要的技术发布平台之一，被业界公认为“AI风向标”。
回顾2022、2023年的GTC大会，多款重磅产品发布，带动了整个AI加速计算行业的发展。从云计算到大数据技术，高性能计算到无人驾驶、机器人到人工智能，再到现今引起全球AI浪潮的AIGC，市场关注度极高。

“人工智能+”方向成为私募业绩反攻主力
事实上，A股市场在节前开始的这一波反弹中，同样掀起AI热潮，而且“人工智能+”行动将推动其在各领域的创新应用的激励之下，通信、计算机、游戏、机器人等主题行业涨幅居前。
国内市场对人工智能前景的乐观情绪持续发酵，在春节前开始的这波反攻中，A股计算机、通信、电子等板块跑赢大盘及美国费城半导体指数。统计显示，上月至今（2024/2/6-2024/3/15）申万一级计算机指数上涨36.23%，申万一级通信指数上涨33.55%，申万一级电子指数上涨29.52%，申万一级传媒指数上涨30.50%。同期上证综指上涨13.04%，深证综指上涨23.84%，跑赢大盘，而对比海外市场，同期美国费城半导体指数（SOX）上涨9.6%。
“2月以来，人工智能、机器人、风光电等板块轮番演绎，这也是去年以来便陆续布局成长机会的百亿级私募业绩得以提振的重要原因。”北京一家大型私募基金经理表示。根据私募排排网最新数据显示，有业绩记录的3134家私募旗下股票策略2月份业绩大涨9.14%，净值迎来了一轮快速修复，不少私募收复失地甚至开始赚钱。
市场资金也在跑步进入“人工智能+”主题板块，开始有“百花齐放”现象，在人工智能、游戏、机器人等多个主题ETF上，资金流入迹象明显，涨幅较大。全市场规模最大的机器人主题指数基金“机器人ETF”(562500)，同期涨幅达35.79%，最新规模达11亿元，创近1年新高。
百亿私募机构重阳投资合伙人寇志伟认为，随着人工智能技术在多模态领域的快速发展，人形机器人有望在环境感知、自主决策、人机交互和运动控制等方面与人工智能融合，提升产品的智能化程度，加速应用落地。“具体到产业链，我们认为机器人的感知和控制、人工智能算力、通信相关的硬件设施等环节都值得关注。”
超五成私募认为AI成为年度行情主线
关于接下来这轮AI行情还能持续多久的问题，根据近期私募排排网调查结果显示：56.25%的私募认为AI是一项革命性技术，具备持续增长潜力，有望开启年度级别的长期行情；25%的私募认为是中期行情，未来取决于行业的发展；18.75%的私募认为AI行情更多是受事件刺激，属于短期行情。
根据三方平台数据显示，截至3月1日，百亿级股票私募仓位指数为74.51%，相比2月23日提升了1.51个百分点，仓位指数创出近1个月的新高。其中，42.04%的百亿级私募仓位超过八成，46.55%的百亿级私募仓位处于五成至八成之间。
从加仓方向来看，人工智能为代表的成长板块成为头部私募的“心头好”。深圳望正投资表示，将在未来一段时间逐渐提高在AI方向仓位。AI产业浪潮的核心在美国，这是事实，但这也是工业革命以来，中国距离划时代的产业浪潮最近的一次，也是最令领先者紧张的一次，中国有机会有能力跟上产业浪潮，其中会涌现出各种投资机会。
远望角投资认为，从潜在估值提升的维度出发，以AI为代表的前沿科技的蓬勃发展存在着较大的想象空间，具备大国崛起特色的一些中高端制造领域也蕴含着巨大的发展潜力，将继续积极关注科技浪潮的发展与迭代。