当AI大模型遇见金融，这四大挑战不容忽视

当前，人工智能正迎来更广阔的发展机遇，酝酿着巨大的蓝海市场。近期，国内多地城市密集出台推动人工智能发展的相关政策。北京市更是连发两项重磅政策：《北京市加快建设具有全球影响力的人工智能创新策源地实施方案（2023-2025年）》（简称《实施方案》）和《北京市促进通用人工智能创新发展的若干措施》。

值得注意的是，在近期发布的多项政策中都专门提及了人工智能在金融行业场景的应用，另外，AI大模型也是在政策文件中密集出现的关键词。AI大模型在金融领域的应用成为新风口。

随着AI大模型的兴起与迅速发展，掀起了新一代人工智能技术的发展浪潮，AI大模型在金融领域的应用大有可为。

AI大模型遇见金融，蕴藏巨大机遇

大模型能力最终取决于数据、算力以及算法三要素的综合能力。近年来，国内企业进一步加大对AI基础能力的建设，并加快相关技术对应用场景的赋能。尤其是我国一直十分注重算法在实际场景中的运用，而应用端的优势也将对相关技术的研发带来极强的推动作用。相信在新一轮的AI竞赛中，无论是技术创新还是落地应用，中国都将具有广阔的发展空间。

在千行百业中，金融业一直走在数智化前沿，领先的数据基础设施、海量高质量的数据和丰富的应用场景，为此类技术的落地应用提供了肥沃土壤。近期，北京、深圳等多个城市出台推动人工智能产业发展的相关文件，其中均提到人工智能在金融行业场景的应用。在可以预见的未来，AI大模型能力还将迎来进一步突破，这将为金融行业数智化转型带来新一轮变革与创新。包括智能营销获客、个性化推荐、风险管理、智能客服等，都是大模型可以大显身手的领域。

在智能营销场景下，大模型可以从多个环节提升企业的营销效果和客户体验。利用大模型和深度机器学习算法，实现个性化推荐、智能决策、精准触达、营销活动效果评估和反馈的端到端的智能化、移动化和极致客户体验的数智化营销模式，帮助金融机构与客户进行全方位的链接和精细化经营。

再比如，在生成式AI（AIGC）领域，大模型能够提供更加强大的武器，并加速AI技术在金融业各类场景的融合应用，带来更多的降本增效。在大模型基础上叠加金融领域的专属知识，打造基于金融领域的知识库，从而提升智能客服能力、文本生成能力。金融行业丰富的业务场景，需要大量优质内容用于其业务运营，AI大模型技术的突破意味着未来金融机构具有更多自动化和智能化的工具用于其内容生成，实现个性化精准化营销，从而大幅提升服务效率和服务质量。

AI大模型走进金融，挑战不容忽视

虽然AI大模型在金融领域应用前景广阔，但新技术的落地不可避免地会面临一些挑战。随着未来技术的不断创新应用，需要针对性构建新的风控流程和监管体系，推动新技术的迭代和落地。

一是模型应用的风险性和安全性问题

金融行业是对风险管理和安全性要求非常高的行业，因此在应用人工智能技术时，需把安全性和可解释性摆在重要位置，防范模型和算法风险。此外，打造金融领域专属大模型成为必要，但这需要很高的技术壁垒。模型结果是否可解释，模型是否准确、安全、公正、透明，是人工智能技术应用面临的新挑战。而大模型具有更复杂的结构和更多的参数，因此可解释性也比较差。对于对模型可解释性要求比较高的金融行业来说，大模型应用面临的信任风险、模型风险、安全性、伦理性、稳定性、准确性、数据安全、合规性等风险的挑战更加严峻，需要加强模型和算法风险管理制度，规范技术应用。

二是数据能力的提升

要训练出性能好的大模型，需要大量高质量数据的支撑。算法可以被视为模型效果的基础，而数据则是模型效果的上限，没有高质量的数据，即使是最先进的算法也无法发挥其潜在作用。因此，应用人工智能技术要有良好的数据获取、储存、加工能力。金融行业的一大优势是拥有海量数据，大数据为算法提供了发挥作用的基础。金融机构的数据能力，体现在以数据为基础，通过各种数据处理手段将数据充分利用。如果可以对自身拥有的数据做好深入的加工、探索和分析，并运用相应的算法发掘其潜在价值，将有助于提升各个业务领域的响应速度和效率。

三是模型管理能力的提升

引入大模型使金融行业能够基于一个大模型解决多种问题，但同时也带来了更多场景及大量针对这些场景的提示词。无论是管理众多传统模型还是应对大模型的多样化场景，企业都面临着更高的管理需求。企业管理者往往无法从全局视角掌握模型的运行及应用情况，进而缺少对模型上线前后的统筹管理和整体监控。为了整合模型资源、管理模型运营和监控模型性能，需要搭建完善的模型管理系统进行统筹管理，提升模型生产效率，提高数据分析产能，从而更有效地提升企业的数字化运营能力。

四是与实际业务场景的融合

大模型进入金融业务场景，需要针对业务属性进行增量训练，真正解决业务问题。金融机构应构建分析思维能力，更加合理有效地发现和解决问题，将梳理好的数据、算法、业务问题贯通起来，发现数据中蕴含的有价值规律。在合规前提下，通过大模型让业务产生真正价值，还需要很长的路要走。

总之，AI大模型的风口已然到来。为了适应科技带来的改变，金融机构需要结合技术和实际场景来选择最高效的模式赋能业务，在新技术的红利下，为行业、为用户带来更多的便利和最佳的体验。

从上述文章分析以及业界观点来看，AI大模型在金融场景的应用，模型的可信性、可解释性、安全性问题成为热门探讨的话题之一。北京《实施方案》提到，开展可信人工智能关键技术创新，构建人工智能系统可信分级分类评测体系。OpenAI创始人Sam Altman在2023智源人工智能大会上也提到了解释能力对增强模型治理和监督的重要性，并提出他们正在使用 GPT-4 来解释 GPT-2 中的神经元，以及使用 Model Internals 来检测一个模型何时在说谎。同时他也表示，这方面还有很长的路要走，但是相信先进的机器学习技术可以进一步提高模型解释能力。

私募机构用AI机器人独立管理基金，基金经理会失业吗？

今年，一家名为止于至善投资的私募机构宣布，拟安排公司4位研究员，以及一个基于人工智能的机器人（暂定名为赛博坦），独立管理5只不同的私募基金，这一消息引起了私募圈的热议。

据悉，止于至善投资是一家成立于2016年3月的私募机构，官网显示，止于至善投资秉承“只以合理价格，投资卓越公司”的投资理念，目前正式员工14人，目前共成立25只基金。而这次试水使用AI机器人独立管理基金，是该公司首次尝试将主观与AI所融合，并以量化的方式，投资全球市场，为迎接AI时代打好基础。

据公开资料显示，止于至善从2016年成立起就仅对低于3年投资期的产品收取管理费，3年以上的中长期产品不收取管理费，并提示投资者对大于30%的回撤做好心理准备。而多只产品今年均取得正收益。其中，这次有AI机器人独立管理的止于至善1号私募基金，成立于2018年4月，目前由国金证券托管。根据管理人2023年第一季度更新的信息，这只基金存续规模低于500万人民币。

对于这一举措，数字经济应用实践专家骆仁童表示，使用AI机器人进行基金管理是一种新的尝试，具有一定的创新意义，但是，由于AI的投资决策是基于算法和数据模型，可能会存在一些局限性，会忽略市场的非理性因素等。因此，在使用AI机器人进行基金管理时，需要谨慎评估和控制风险。

虽然AI技术在金融领域的应用还处于初级阶段，但是一些实验和研究表明，AI技术在股票市场预测、投资组合优化等方面具有很高的潜力。

早在2015年，就有科学家对北美市场近6万支基金中，挑选出类型明确、有业绩数据的826支进行调研。这些基金，有人类经理管理的、有AI管理的，也有人和AI一起管理的。调研的结果，他们用“Paradoxically”（荒谬的）一词来形容。成绩最好的，居然是AI管理的基金，平均月回报率约为0.76%，比人类基金经理的0.25%，高51个基点。而人类和AI共同管理的基金，平均月回报率只有0.07%。

2017年，AI Powered Equity ETF，世界上第一只由AI进行选股的基金正式诞生。它全年日夜不间断工作，对全美数千只挂牌股票持续不断分析，包括企业公告文件、季度财报、新闻以及社群文章等。然后从当前经济形势、未来趋势出发，再深度分析后，挑选出包含70支股票的投资组合。据最新披露，AIEQ重仓股主要有亚马逊、谷歌、苹果、Livongo Health、微软和Teladoc Health。

随着金融市场的快速发展，AI的大数据处理能力也在不断增长，通过卫星观察、抓取技术等方式获得对公司业绩判断有价值的信息。同时，AI掌管的被动型基金每年仅收取所管理资产的0.03%-0.09%作为佣金，理财公司甚至宣布把交易费用降到了零，低成本带来了空前高涨的股票交易量，散户可以随意在手机上购买股票。

这意味着未来人类管理的基金的优势会越来越少，因此，越来越多的机构开始使用AI来管理基金，AI技术可以提高金融机构的运营效率。通过自动化流程和智能化系统，AI可以减少人工操作的错误和时间成本，提高工作效率和准确性。例如，AI可以通过自然语言处理技术自动回复客户咨询，或者通过图像识别技术检测欺诈行为等。

此外，AI技术还可以用于风险管理和反洗钱等领域。AI还可以帮助金融机构更好地了解客户身份和交易背景，数字经济应用实践专家骆仁童补充，通过对大量数据的分析和挖掘，AI可以发现异常交易行为和可疑资金流动，及时预警和防范风险。提高反洗钱工作的效率和准确性。

对于券商和基金经理来说，如何应对AI炒股的挑战和机遇会变成一个新的社会问题。一方面，他们需要加强对AI技术的了解和应用，提高自身的技术水平和能力。另一方面，他们也需要加强对风险的控制和管理，避免过度依赖AI算法而导致的风险失控问题。同时，他们还需要关注政策法规的变化和市场环境的演变，及时调整自身的投资策略和风险管理策略。

不能否认，AI炒股具有很高的效率和盈利能力。相比人类交易员，AI算法可以更快地处理大量数据和信息，并能够基于历史数据进行模式识别和趋势预测，从而在股票市场中实现更准确的决策和更高的回报。

但硬币另一面，AI炒股也面临着一些挑战和风险。首先，AI算法需要基于大量数据和信息进行训练和优化，而这些数据和信息的获取和质量往往是有限的和不稳定的。其次，AI算法的决策过程往往是黑箱模型，难以解释和理解，这也给投资者的风险控制带来了一定的困难。此外，AI炒股还存在着一些道德和伦理问题，例如算法偏见和歧视等问题，这也需要引起关注和重视。

上海某百亿级主观多头私募负责人表示，“AI取代“人工”基金经理仍有多个短板”。按照正常的投资决策流程，一只股票被基金经理决定买入前，普遍经历深度研究、股价观察、上市公司现场调研等多个重要环节。而在这些环节之后，也需要满足相应条件后才能进入投资决策流程、进入交易阶段，并在建仓后仍需跟踪股票进行仓位管理。“整体而言，其中大量的投研工作人工参与度都很高，很难由AI替代。”该私募人士称。

就像此前在游戏、作画领域产生的影响，AI技术在金融领域的应用具有广阔的前景和潜力。《10秒一张作品，AI作画会抢走人类画师的工作吗？》

AI炒股是一个充满机遇和挑战的领域，需要各方共同努力探索和实践。通过不断地技术创新和应用实践，我们相信AI将会为金融行业带来更多的机遇和变革。

AI+金融：经济发展驶入“数字化快车道”

曾经在世博源三区B层搭建的AI智慧商街，你还记得吗？那是一个将数字世界与现实世界相结合的商业空间，所有支付均使用数字货币，营造出了沉浸式互动消费新体验。

在一个完整的贸易流程中，支付仅是小小的一环，却可以让我们“管中窥豹”，看到人工智能赋能金融领域的无数种可能。

《上海市人工智能产业发展“十四五”规划》指出，要在金融领域“深化人工智能在风控、监管、客服、投顾、投研、支付等各环节应用。”而在去年10月1日起正式实施的《上海市促进人工智能产业发展条例》更为“人工智能该如何赋能金融领域”指明了方向——“推动人工智能、大数据与金融业深度融合，推动金融业提升金融多媒体数据处理和理解能力，促进金融业智能化转型，开展智能金融产品和服务创新，支持金融机构等市场主体应用智能投资顾问、智能客户服务、智能风险控制等人工智能技术和装备，提升金融风险智能预警和防控能力。”作为全国首部促进人工智能产业发展的省级地方性法规，《条例》具有鲜明的指导意义。

目前，金融领域的竞争加剧、人力成本上升、市场监管趋严等客观环境，促使许多金融机构转向前沿科技，以期改善传统作业模式，提升金融业务运营水平。AI是充分发挥数据价值的关键技术，并已走向“大规模应用时代”，它将成为推动金融产业发展的重要动力。

因此，AI+金融并非单纯的技术累加概念，而是针对不同业务场景的需求，运用前沿技术成果推出的创新金融产品、经营模式、业务流程以及推动金融业务高质量发展的一系列配套解决方案。

上海正全面推进城市数字化转型，其中，数字经济将成为一股重要的驱动力。

以交通银行为例，作为业内翘楚，交通银行不断加强科技赋能，通过信息化、数字化、智能化升级，持续推动传统贸易金融业务数字化转型，不断赋予传统贸易融资产品新的生命力。交行的“惠民就医”是为配合上海市医疗付费“一件事”推广和“便捷就医”数字化转型而打造的一款数字信用产品，为患者减少排队缴费时间，极大提高了医疗效率；另一边，交行与海关总署国家口岸管理办公室合作打造的“交银e关通平台”也开始发力，该平台可让各进出口企业实现“账户开立、税费缴纳、国际结算、贸易融资”等各类本外币金融服务的一站式办理，全面提升金融服务质效。

如今，人工智能正在金融领域“多点开花”：中国银行打造沉浸式元宇宙体验空间、工商银行推动元宇宙网点照进现实、中信银行的“数字员工”在千余个场景上岗、建设银行呈现金融业务虚实共生的智慧图景……AI+金融秀出了自己的“硬核实力”。随着越来越多的金融机构开始布局抢占AI赛道，一幅崭新的AI+金融画卷正缓缓打开。

来源：浦东发布

人工智能对金融专业会产生怎样的影响？

人工智能对金融专业的影响是深远而广泛的。随着技术的不断发展和应用，人工智能在金融领域的应用越来越广泛，涉及到金融市场、风险管理、投资和理财、金融监管等方方面面。下面我将从以下几个方面详细阐述人工智能对金融专业的影响。

1. 金融市场预测和交易决策：人工智能在金融市场的预测和交易决策中发挥着重要作用。通过大数据分析、机器学习和深度学习等技术，人工智能可以帮助金融机构和投资者进行市场趋势分析、股票价格预测、量化交易等，提高交易效率和盈利能力。

2. 风险管理和信用评估：人工智能可以通过分析大量的数据，识别潜在的风险因素，并进行风险评估和管理。例如，通过对客户的个人和财务数据进行分析，人工智能可以预测客户的违约风险，帮助银行和金融机构进行信用评估和风险控制。

3. 投资和理财建议：人工智能可以根据客户的风险偏好、投资目标和市场情况，提供个性化的投资和理财建议。通过对客户的投资组合进行分析和优化，人工智能可以帮助客户实现更好的投资回报。

4. 金融监管和合规性：人工智能可以帮助金融监管机构进行风险监测和合规性检查。通过对金融市场数据和交易数据的分析，人工智能可以识别潜在的违规行为和市场操纵等问题，加强金融市场的监管和稳定。

5. 金融服务和客户体验：人工智能可以提供更智能化和个性化的金融服务，提升客户的体验。例如，通过智能客服和虚拟助手，客户可以随时随地获取金融信息和服务，解决问题和咨询建议。

6. 金融创新和新业务模式：人工智能的发展促进了金融创新和新业务模式的出现。例如，通过区块链技术和智能合约，可以实现更安全和高效的跨境支付和结算；通过云计算和大数据分析，可以提供更精准的金融产品和服务。

7. 数据安全和隐私保护：人工智能在金融领域的应用也带来了数据安全和隐私保护的挑战。金融机构和监管机构需要加强对数据的保护和管理，确保人工智能系统的安全和可信度。

总之，人工智能在金融专业中的应用将会带来巨大的变革和机遇。它可以提高金融机构的效率和盈利能力，改善客户的体验和服务质量，促进金融创新和新业务模式的出现。然而，人工智能的应用也面临着一些挑战，如数据安全和隐私保护、透明度和可解释性等问题。因此，金融专业人士需要不断学习和适应新技术，提高自己的技能和能力，以更好地应对未来的挑战。

七成产品盈利！AI或将成为FOF投研“利器”

今年市场震荡，风格轮动加剧，A股小幅上涨。数据显示，以稳健为代表的FOF基金取得不俗收益。盘点FOF上半年的业绩表现，有超五成的公募FOF录得正收益，收益率超3%的产品有6只，债券型产品整体表现亮眼，股票型和偏股型产品表现较弱。而在私募FOF中，获得正收益的产品占比则将近七成。

市场波动加剧下，投资者风险偏好趋向降低，为FOF策略的发展创造了有利环境。随着AI科技的快速发展，FOF面临新的发展机遇。

“今年以来，生成式AI和大模型概念技术取得了应用端的重大进展。在私募基金投资领域，已经有非常多的实际应用场景。在FOF领域，如何通过AI科技赋能投研，对FOF产品进行投前、投中、投后智能化管理，和智能化业绩归因分析，以及给出更多的AI式专业化投资建议。在这方面，未来预计会有非常大的可探索空间。”7月7日，私募排排网创始人李春瑜在私募排排网主办，招商基金、东证期货联办的第八届中国FOF&MOM基金管理人年会上表示。

七成私募FOF获得正收益

随着私募基金迈入第10个年头，行业在中国资本市场的占比和影响力越来越高，市场认可程度和接受程度也越来越高。根据中国证券投资基金业协会数据，截至2023年4月末，存续私募基金管理人22270家，管理基金规模20.75万亿元。

其中，私募股权基金规模持续增长。中基协数据显示，截至2023年4月底，已登记备案的私募证券管理人有8658家，存续私募证券投资基金99775只，存续规模5.94万亿元人民币，相比去年年底增长3745亿元。

目前，证券类私募基金规模已连续半年维持在6万亿元附近。“去年以来，权益类市场投资难度加大，私募基金整体规模起伏波动明显，结束了长达多年的连续大幅增长态势，进入到6万亿元左右的横盘期。预计随着下半年市场行情的转暖，证券类私募基金规模将整体保持向上趋势，年底有望重回6万亿元。”李春瑜指出。

在众多私募证券产品中，FOF取得不俗收益。盘点私募FOF上半年的业绩表现，排排网最新统计数据显示，截至5月31日，市场上规模超过500万元，且成立半年以上的 FOF/MOM私募证券类产品共计1114只，其中734只在今年以来取得正收益。值得注意的是，正收益占比将近七成。

事实上，FOF（Fund of Funds）指基金中基金。与普通基金以股票、债券等有价证券为投资标的不同，FOF以基金为投资标的。FOF最早起源于美国，截至目前，FOF规模占美国共同基金的比例超过了10%，尤其是养老FOF。而我国FOF类资管产品的起源最早可以追溯到2005年，招商证券发起了第一只私募属性的以FOF形式运作的产品——招商证券基金宝集合资产管理计划。该产品成立规模为13.58亿元，主要投向公募基金。随后，招商证券资管部在2016年发行了市场上第一只私募FOF，名为“群英会”系列。此后，各大券商、信托、银行的FOF类产品也如雨后春笋般冒出。

一般来说，私募FOF产品多以多策略为主，但FOF策略分为低波动、中波动和高波动。业内人士接受《华夏时报》记者采访时介绍：“低波动FOF策略产品中有以固收策略为主的，而中波动FOF以量化或单纯以CTA为主策略，高波动FOF的策略则最多样化，除了多策略之外，还有以CTA、股票多头、指增为主要策略的风格类型。”

“FOF策略的波动率和风险收益比是比较高的，回撤也是比较小的，但确实发挥了分散风险、优化配置的作用。我认为FOF将面临非常好的发展机遇，因为它的定位就是通过私募基金FOF管理人的选择，解决信息不透明的问题，为投资人挑选好的策略、好的产品，然后进行组合，进行风险的控制。”招商证券托管部总经理易卫东在第八届FOF&MOM基金管理人年会上强调。

今年以来，生成式AI和大模型概念技术取得了应用端的重大进展。在私募基金投资领域，已经有非常多的实际应用场景，凭借差异化的策略模型和相关性，也能给投资者带来显著的超额回报。“目前智能投研已进入第二个阶段，即自动化阶段，AI会把研究员的经验以及市场上专家的经验形成类似于知识图谱的东西，做成平台上的产品，变得标准化、可视化，在原有简单的信息和数据加工处理的基础上再进一步。未来，AI在大数据领域的挖掘，将对投资起到很大助力。”东证期货东证衍生品研究院院长助理、有色首席分析师曹洋在主题演讲上表示。

在新的市场环境下，私募FOF面临新的发展机遇。“在FOF领域，如何通过AI科技赋能投研，对FOF产品进行投前、投中、投后智能化管理，和智能化业绩归因分析，以及给出更多的AI式专业化投资建议。在这方面，未来预计会有非常大的可探索空间。”李春瑜称。

下半年国内经济展望变中求进

上半年已经收官，下半年A股市场如何演绎？经济走向如何？又有哪些板块值得关注？

对于当前宏观经济形势，重阳投资董事长兼首席经济学家王庆在近期举办的主题演讲中透露，当前讨论“强复苏”与“弱复苏”，背后实际上是对中国潜在经济增长速度的判断。前瞻性地看“强复苏”还是“弱复苏”，关键在于房地产。如果房地产市场企稳，就是弱复苏；如果企稳反弹，就有可能是强复苏。

如果看股票市场周期性的规律，王庆认为，当前市场是处在股票表现的上半场，且更有可能处在有希望到业绩兑现的切换过程中。在这样的阶段下，当前市场是胜率不低、赔率很高的市场。“因此，现阶段我们首先会维持比较高的仓位。然后，在维持比较高仓位的前提下，发挥主动管理人的主动管理的能力，尽量在这样的环境下取得alpha和beta组合的收益。”

“我们未来投资的主线还是经济复苏，随着经济复苏周期演进的不同阶段性特点会动态调整。”王庆表示，短逻辑主要关注经济复苏初期，大家对经济增长前景普遍预期还比较低的防御性的高息股。随着经济景气的逐渐恢复，会关注估值回到合理区间的蓝筹股机会。另外，市场上还有相当一部分在2021年初以来就开始调整，且已经调整两年半的核心资产。在我们看来，这类资产中真正的核心资产是有估值修复较大空间的，这是中逻辑。长逻辑就是符合中国经济中长期发展方向的产业升级、技术进步、进口替代、专精特新的标的。我们将通过深入研究，发掘那些当前虽然规模小、但是未来成长空间比较大、有可能成为未来蓝筹股的标的的机会。

从大类资产角度来看，银叶投资首席投资官许巳阳认为以下几类值得关注。他在第八届FOF&MOM基金管理人年会上表示，整体上来说股票还是便宜的，它依旧有长期配置的价值和短中期估值向均值回复的需求；假如短期经济复苏持续偏弱，那债券还是存在窗口期配置的和降低组合波动率的价值；顺周期的大宗商品还需要靠真正的需求修复来表现；而贵金属同样也可以起到降低组合波动率的作用，长逻辑也比较顺，也可以逢低配置。

在汇鸿汇升投资首席财富官朱一顺看来，今年三季度缓慢修复过后，市场将迎来边际改善。他在会上表示，“今年6月份经济复苏在边际改善。数据显示，制造业PMI较上月回升0.2个百分点，细分指数来看生产指数和新订单指数是主要拉动项，企业去库存加速，制造业景气度边际小幅改善。预计7月份，资本市场或将有一定的预期差机会存在。”

谈及市场投资机会，招商基金基金经理刘重杰更加看好央国企。他在近期的会议中指出，一个公司的战略定位清晰，经营稳健、盈利稳定、增速适当，同时具备股息分配政策，它就能做到持续较高水平的现金分红。相对来说，央国企基本符合持续现金分红的要求，具备较高的长期投资价值，更符合机构投资者、个人养老金等配置性的需求。

来源：华夏时报

量变到质变，AI+投资智能化升级

AI+以不可逆之势席卷各行业，带来创新变革。金融行业，各基金公司也在积极部署，将AI技术融入到投资决策、风险管理、研报分析、智能客服等各项业务场景中。

量化投研领域，华夏基金等基金公司更是在前期智能化基础上，计划对数据构建、特征提取、模型训练、上线优化等业务进行全面深化，以期通过技术迭代，完成AI+的智能化升级。

成为掘金权益投资机遇的新钥匙

2018年以来，在大数据技术驱动下，智能量化投资获得了较大的发展，成为基金公司发展的主要方向之一。

数据显示，公募量化基金数量从2018年年初的46只，增长到2022年末的435只，期间增长了9.5倍，总规模达2447.11亿元。

“大数据时代，主流量化基金通常基于智能技术进行推导、建模，通过大数据分析方法，由计算机进行深度学习，归纳知识图谱，生成相应策略。这样去除了主观决策偏差及情绪影响，并能不断快速自主优化。”业内人士如是解释了量化基金转向智能化的原因。

华夏基金数量投资部孙蒙指出，大互联网时代用算法解析数据，AI策略可快速完成市场扫描和股票选择；相比传统的量化策略，AI机器学习更能在算法上进行自动进化和策略迭代，能够更好地应对瞬息万变的市场活动。

“AI模型优势之一在于充分利用海量数据，从海量数据中发现传统交易员或基金经理发现不了的规律。” 孙蒙进一步阐述了AI+量化的特点。

传统基本面、量化分析手段，只能对有限的数据进行假设、分析、验证及应用，对海量数据对应的模式识别难以实现全覆盖，机会的挖掘能力取决于个人能力；利用人工智能进行投资，可通过数据接口导入大量数据。历史行情走势、行业数据、产业链关系、上下游变化、宏观数据、交易情况、政策信息等，都可以作为机器学习的训练样本，帮助机器多维度、跨维度整合可用信息，寻找可能存在的“赢家模式”。

“如今，A股上市公司数量已经超过4000家，未来还会更多，主动投资的研究人力相对有限，很多股票并没有得到研究覆盖。量化投资利用算法处理海量信息，迅速判断市场交易机会，找到市场中可挖掘的金矿，这是其优势所在。”有行业内专业人士这样评价AI量化的优点。

此外，AI模型优势在于及时反馈，快速调整，提升投资效率。

传统投资中，投资经理交易时间后需整理数据、回顾组合、市场分析并制定组合管理策略；利用人工智能进行投资，可通过实现相关数据实时更新，并完成对组合持仓、预期收益及调整策略的实时生成。在既定风控框架及权限下，组合可最大程度保障策略是快速实现；考虑到目前A股市场散户资金占比仍然很高，人工智能快速识别投资者相应交易行为、情绪、舆情等信息，力争为组合实现超额收益。

“AI的介入使量化投资呈现策略多元化、因子高频化、数据非结构化等新特点。”华南理工大学经济与金融学院副教授于孝建介绍，借助于AI算法，量化投资产品能够优化资产配置、捕捉机会、优化投资策略。

量化基金在AI赋能下正逐步实现由量化到智化的演变。

早在2017年3月，华夏基金就与微软亚洲研究院合作探索智能投资，两年后将“AI+量化”应用到投资实战。目前应用在300、 500及1000指数上均有实盘运作。2022年，AI策略在不同种类产品中均实现了较高的超额收益，产品及基金经理获得市场的一致好评。

私募基金方面，目前，几乎所有的量化私募基金都在使用AI技术。除了AI应用在数据收集端，提升后台的数据处理分析效率，越来越多量化私募基金将AI深度学习技术应用于因子挖掘，数据特征抽取、特征数据组合搭建等领域。

智能化已成为量化基金发展的新趋势。通过大数据、深度学习等技术的不断进步和成熟应用，量化投资将会不断地迭代和升级。

为复杂多变的市场提供更强量化策略

伴随着人工智能技术的不断进步，AI+量化得到不断的加强和升级，变得更加智能。

“AI+量化”升级，将从更大范围、更多维度进行数据收集、分析，进一步降低人工干预，实现策略的自主优化和迭代，提高策略的稀缺性，延长生命周期，扩大资金容量。

“AI+量化升级首先是更宽广的眼界，机器学习算法对更广泛的数据直接处理，得到不亚于人类的认知能力；再就是更深入的思考，基于GPU等硬件可以更迅速训练深层网络，使得具有刻画复杂规律的可能性。”孙蒙表示。

通过更智能的机器学习、深度学习技术，可以从繁杂的数据中提取出更加细致、全面的因子，可以不断提升模型的复杂度，理清更具市场深度的投资规律，提升量化模型的预测精度和实时性。

量化策略的迭代能力也在随之不断增强。百嘉基金董事、副总经理王群航认为，“以公募为例，量化的发展经历了三个阶段：全复制、增强、主观+量化。前者为纯被动；后者由少量的主动成份，涉及到的基金资产比例为20%左右。后者已经带有了较多的主观成份，涉及到的基金资产比例一般不超过50%。”

孙蒙提示，当前市场整体处于不确定状态，呈现结构性行情，风格轮动较快，所以机器学习算法及策略需要变得更智能，去适应市场的不确定性。而采用AI+量化模型选股、基本面选股等多种策略构建投资组合，同时运用数量化方法优化组合交易并控制组合风险，预计具有更好的市场适应性。

现阶段数据、算力、算法等方面的持续突破，也将为AI+量化提供基础，推动智能化量化策略迭代升级。

有业内人士也表示现在有接近几千家上市公司，每天的数据量很大，将给AI模型应用提供很好的数据基础。

另有业内人士也指出，AI的升级意味着可以辅助处理更大的模型、更多的参数、更快的算法。

业内也普遍认同，今后，复杂市场环境将导致因子的失效越来越迅速，在智能化升级的大背景下，只有在数据挖掘与因子挖掘等方面具有深厚技术积累，模型迭代方法更为先进的量化基金，才能应对市场的变化，才有可能凭借策略先发优势获取较高超额回报。

来源：财经观察站

资产管理机构热议AI运用 量化私募认为应落地各类场景

近日，在由私募排排网、招商基金和东证期货联合主办的“第八届FOF&MOM基金管理人年会”上，包括券商、基金、期货公司和私募等各类资产机构就当前如何运用AI技术进行了热议。其中，有量化私募认为，投资领域对AI技术的运营已不局限于算法，应当落地在各类场景，突破数据模型这种单纯的维度。

私募排排网最新数据显示，截至今年上半年，全市场备案FOF/MOM私募基金数量为653只，较去年同期增幅达10.49%；其中，近七成产品实现正收益。对此，私募排排网创始人李春瑜表示，七成FOF/MOM私募基金实现正收益，充分展示了主动管理型FOF基金在资产配置上的优势；接下来，如何利用AI科技赋能投研工作，来实现对FOF产品智能化管理与业绩归因分析，并提供更多专业化投资建议，将是各方努力的方向。

东证期货总经理唐雷则表示，期货公司作为风险管理的主要服务商，在坚持做通道向交易转型时，应利用大数据搭建了“繁微”智能投研平台，为投资者提供省时省力的服务。公司致力做好交易执行的保障者、交易策略的提供者，持续为整个行业赋能。

“近些年，私募基金行业在竞争格局和行业生态上发生了很大变化。”招商证券托管部总经理易卫东表示，在此背景下，券商对私募FOF提供的服务逐渐多元化，例如投研、数据和运营等。作为券商托管机构，招商证券可以为私募FOF机构提供全面的数据分析与投研服务，满足其个性化需求；同时，致力于解决渠道方的痛点，推动整个行业的健康发展。

谈及央国企的投资机会。招商基金基金经理刘重杰表示，一个公司的战略定位清晰，经营稳健、盈利稳定、增速适当，同时具备股息分配政策，它就能做到持续较高水平的现金分红。相对来说，央国企基本符合持续现金分红的要求，具备较高的长期投资价值，更符合机构投资者、个人养老金等配置性的需求。

AI在投资领域的应用受到广泛关注。启林投资创始合伙人、投研总监王鸿勇表示，AI与量化投资有很多异曲同工之妙，AI技术在量化投资领域已经得到了全方位的、各种纬度的应用，包括深度学习的前沿算法，包括借助一些分布式的集群来实现更好算法场景落地，包括机器学习方法等，来处理一些另类数据。“AI技术在量化发展中，它体现在方方面面，已不是单纯的模型纬度。”

来源：财经早知道

20%股民支持在A股做价值投资！真正的价值在哪里？

       近日，问卷调查数据显示，80%投资者认为“散户多、烂股多，在A股做价值投资就是笑话”；20%的投资者认为“A股是做价值投资的好地方，不过是你不识货，也受不了波动。”

       长期从事价值投资研究的阿牛智投创始人毛羽表示，在十九年前，提价值投资遭网络唾骂，到现在有20%的人认可价值投资，说明市场在成长。实际上，不是A股不适合价值投资，而是找到价值的人寥寥无几。

       不要盲目学习“股神”

       说到价值投资代表人物，人们往往会想到“股神”巴菲特。巴菲特管理的伯克希尔·哈撒韦公司总市值达7536亿美元，“巴菲特股东大会”甚至被誉为“投资界春晚”。把巴菲特当作“取经”对象的股民，对他的投资箴言耳熟能详，然而却很难使用跟他一样的方式取得跟他类似的收益率。

       毛羽表示，无论从中国市场，还是从全球来看，巴菲特的成功都很难复制。第一、巴菲特旗下公司有非常充足稳定的现金流，能在股票下跌50%的时候买入；普通投资者只有工资，一旦被套，很难有更多钱再买股票。第二、监管环境不一样，巴菲特做投资往往要跟董事长见面，在中国这是一个争议很大的灰色区域，很可能踩中内幕交易的红线。第三、巴菲特每年的股东大会备受瞩目，它更成为美国资本市场、伯克希尔·哈撒韦公司的传播阵地；因而巴菲特的股票和项目不愁拥趸，普通人根本学不来。巴菲特、费雪、格莱厄姆等知名投资人的投资理念、方法，对我们有启发意义，但巴菲特的投资方法也有历史和现实局限性。

       你看到的并不是价值

       投资者反映：“07年中签太保，拿了15年，还亏了20%，有什么价值？”、“前两年电动车是热点，附带充电桩。我就买了上海普天，算是当时充电桩的龙头股了，想着长期持有，就没再管股市。后来再去看的时候，已经退市了”……  

       毛羽表示，价值投资并不神秘，低价买入、高价卖出就是价值投资。关键是如何找到可以低买高卖的品种，价值的方法很管用，但是很多人会误解。股民常用的大盘股、长期持有、原始股等，显然都不能代表价值投资。

 一致预期和黄金增长的对比

来源：阿牛智投

       不少投资者喜欢看机构研报，机构调研多是价值所在吗？毛羽表示，阿牛智投把至少有10家以上机构调研、业绩预测较好的690多家公司做成“一致预期”指数。数据显示，这个指数的风险回报率仅有0.09，相当于冒一块钱风险，收益是九分钱，仅略高于上证指数的风险回报。也就是说，虽然很多人去调研，但并不产生显著的超额收益。

       成长越高越好，总没错吧？毛羽表示，根据长期的数据实测发现，长期持续成长在20%-40%区间的公司收益最高，这是“黄金增长”；代表公司业务模式长期可持续，在资本市场会有越来越多人关注。而成长很高的公司，往往难有持续性，上升空间不大。目前“黄金增长”板块风险回报率0.4，远大于“一致预期”。所以，看机构的研报，不如认真分析公司披露的增长数据，尤其有“黄金增长”潜力的公司，它的价值显现度会更好。

       估值是衡量价值的重要因素

       价值投资看什么比较有效？毛羽表示，估值是衡量价值的重要因素，但它具有一定隐蔽性，需要数据挖掘，比如跟谁比、比什么合适；这些大数据工作，普通投资者没有数据、没有方法、不借助合适技术工具，很难做到。现在人工智能在金融领域的应用越来越深入，阿牛智投已经把对标、估值体系都建设好了。股票、板块，该和谁比较、估值多少等，借助人工智能工具，投资者只要看图，就一目了然。

       毛羽提醒投资者，千万不要静态地看估值，要看估值空间是否动态提升。估值提升是价值提升最重要的基础，阿牛智投投资顾问的很多优秀策略都用了“估值提升”。

 估值提升的三年表现

来源：阿牛智投

       估值提升板块中有公司近560家，风险回报率0.79，已经接近全球优秀基金经理平均水平。毛羽表示，这个表现在近三年横盘震荡的市场中尤其难能可贵，有相对稳定的成长预期，三年来整体不断创新高，过一段时间就可以解套，对投资者比较友好。相比之下，A股风险回报率在不到0.3，太大的波动投资者很难扛过去。

       价值投资，从看公司估值开始，你get到了吗？

取代还是赋能？大火的AI对量化投资有什么影响？

近年来，量化投资在国内发展越来越成熟，市场对量化投资的讨论较多。比如：随着人工智能的不断发展，人脑与AI的结合方式会持续地进化、丰富，人工智能如何影响量化投资？是否会取代基金经理的工作？量化投资的发展趋势如何……

为了让投资者对神秘的量化黑匣子更了解一些，在“向上的力量·景顺长城基金20周年多资产策略会”量化投资专场中，景顺长城量化投资负责人黎海威与管理主动量化与指数增强产品的基金经理徐喻军、研究市场中性和绝对收益策略的基金经理胡宇坤进行了精彩讨论，以下是部分核心内容。

公募基金、私募基金，量化投资上有什么不同？

核心观点：公募量化基金透明度、流动性高，适合主题、风格需求明确的投资者。

对于量化投资，公募基金或私募基金都有运用，二者有什么不同呢？

黎海威指出，公募量化基金受到监管机构的严格监管，通常具有较高的透明度和流动性。公募量化基金在投资方面更注重稳健的回报和风险控制。私募量化基金通常不受限制，可以运用更多样化和灵活的策略，但其面对的是限定到少量投资者的高净值人群，对透明度和流动性的要求较低。

胡宇坤表示，在股票投资策略上，公募量化相对更偏基本面策略，以长周期量价策略为辅，即公募量化会更多地依赖个股公司基本面的数据；私募量化产品往往以短周期量价策略为主，也会加入一些基本面策略和长周期策略。与私募产品相比，公募具有流动性好，信息公开透明等优势，可以提供丰富的beta型产品，如行业主题增强、风格Smart beta等。随着主题化行情的发展、风格的延续，被动基金及相应的增强基金呈现了较强的生命力，适合主题、风格需求明确的投资者。

全面注册制下，对量化投资有什么影响？

核心观点：全面注册制，有助于提高量化投资决策的可靠性和精度，量化或向多策略发展。

今年2月《首次公开发行股票注册管理办法》发布，标志着全面注册制改革正式启动，这对量化投资有什么影响呢？

黎海威认为，全面注册制下，上市公司的基本面和运营情况等数据将更加规范，有助于提高量化投资决策的可靠性和精度。此外，可交易的股票数量预计将增加，有助于提高市场流动性，为量化投资者提供了更多的交易机会，提高策略的执行效率和投资回报率。另外，股票数量的增加也有助于量化机构进行分散投资，降低交易风险和策略之间的相关性，同时提高策略的容量。而且全面注册制将扩大融券券源范围，缓解了融券券源不足的问题，降低融券难度和成本。

徐喻军还补充表示，在注册制改革、IT和信息处理能力增强等大背景下，量化有望向多策略路径发展。

量化投资向多策略发展，未来存在什么趋势呢？

核心观点：多策略量化投资可以实现更加稳定、具有较高回报的投资效果。

徐喻军认为当量化投资向多策略的发展方向演变时，意味着投资者不再仅仅依赖于单一的策略来进行投资决策，而是采用多种不同的策略并将它们组合起来。这种多策略的方法旨在通过在不同市场环境下应对不同的风险和机会，实现更加稳定和具有较高回报的投资组合。

黎海威认为有两个趋势，一个就是自下而上和自上而下的结合，第二个就是的投资的宽度跟深度的结合。此外近年来，随着技术的发展，机器学习和人工智能在量化投资中的应用也越来越广泛。利用机器学习和深度学习等算法，通过大量数据的分析和模式识别，发现市场的非线性关系和隐藏的规律，以制定交易策略。AI技术可以赋能量化投资。

量化投资对A股市场有什么影响？

核心观点：不同大类策略之间通常很难对市场形成统一的影响。

围绕量化交易，市场存在一定争议，比如有观点指出它可以增加市场成交量，促进股市活跃，有助于形成合理的价格。但也有观点认为，容易导致交易趋同，加剧市场波动，违背市场公平。

黎海威表示量化投资理念可归纳为均值回复、趋势追踪两大类。这两大类理念几乎在任何可比方面均相互对立，对市场的影响也各不相同，对任一大类策略来说，虽然可能会倾向于使用某一类理念，但另一相反理念也可能出现在其所使用的子策略/Alpha源上。基于所使用子策略的不同，同一策略产品在不同管理人管理下对市场的影响也不尽相同，并具有时变特征，而不同大类策略之间通常很难对市场形成统一的影响，即使全行业类似交易策略规模扩大至相当级别，对市场的影响很难统一方向。

与固收+、一些理财产品相比，量化对冲策略有哪些特点？

核心观点：市场成交量和波动性放大，量化中性策略股票端更容易获取超额收益。

提及追求绝对收益，固收+或理财产品、量化对冲也追求这种目标，三种特点是不是相同呢？

胡宇坤认为固收+、理财产品与量化对冲策略的收益风险特征接近，业绩稳健、风险较小，适合追求稳定收益、长期跑赢通胀，同时注重风险控制、对回撤较为敏感的投资者。固收+产品的收益取决于股债配置比例、股市收益以及债市收益。在债市行情好、或股市单边上涨行情下，固收+的配置价值更高。但在股债双杀的市场环境下，固收+产品的吸引力下降；此时作为一种不是债券的低风险底层资产，量化对冲策略的投资价值凸显。值得一提的是，目前市场成交量和波动性放大，量化中性策略股票端更容易获取超额收益，且对冲成本有所下降，这些均有助于提升市场中性策略的表现和吸引力。

人工智能的发展，对量化投资有什么益处？是否会取代基金经理？

核心观点：AI技术让量化数据分析更客户，有望继续推动量化领域的发展。

从今年市场看，人工智能成为高频词汇，它的应用体现在内容创新、场景创新、体验创新等方面，人工智能将在量化投资各个流程中能得到有效应用吗？

徐喻军表示随着大数据、人工智能的发展，让数据集成和分析越来越客观，越来越迅速，整体Alpha只会越来越难做。随着散户的演变，个人投资者越来越机构化，通过基金申购，通过养老金管理，自己炒股票的人越来越少，的确竞争难度会越来越大。量化投资，只有与时俱进，持续投入研发，才能保持在市场中的竞争力，在投资策略上要不断创新，应用更多类型的工具实现投资者的需求。

同时徐喻军还指出，总的来说，AI将会是基金经理的工具，而不是取代基金经理。虽然AI的智能化和自动化可以更好地应对大数据的分析和应用，但具体到投资决策上还需要考虑更多的因素，基金经理在经验、洞察力、判断能力上，仍然具有独特的优势和价值。就量化而言，策略研发也并非一劳永逸，一个策略适用的时间、范围等都是有限的，ChatGPT可以赋能量化投资，但并不能完全取代人的作用，代码的调试、策略的研发等都需要研究人员。

胡宇坤认为AI技术，包括ChatGPT和其他先进的机器学习模型，已经在量化投资领域产生了实质性的影响，并且有望继续推动该领域的发展。首先，机器学习模型和大数据量是一对完美组合，对发掘大数据量里面蕴藏的规律；其次ChatGPT的出现，使得机器对于人类语言有一定的“理解能力”，它最重要的功能就是能帮助我们进行报告解读，并将文档中一些微妙的用词变化体现出来；最后，ChatGPT能极大的提高人们的学习效率和拓展能力。虽然理论上AI是一种方法，可以用于预测模型、自动化交易、风险管理、资产配置，但是实现不同的功能需要选择合适的AI模型很重要。

在现在的市场环境下，适合配置什么策略的量化产品？

核心观点：当前适合较为保守策略，市场中性策略+指数增强策略+固收的多策略组合。

在今年波动较大的市场环境下，可以配置什么样的量化产品呢？

徐喻军表示今年以来，国内经济表现为弱复苏的特征，物价水平呈回落趋势，PPI 同比负增幅度逐步扩大，需求不足问题仍然存在。尽管行业、企业基本面有所好转，但仍缺乏足够的利好数据去验证和推动，未来权益市场更多为结构性行情，市场波动较大，单一股票策略比较难把握市场的阶段性机会。因此，当前市场比较适合保守策略，量化多策略，如市场中性策略+指数增强策略+固收的多策略组合。

站在新的发展时点，量化投资也将有新的发展趋势，随着人工智能技术不断发展，通过机器学习技术来辅助进行量化投资，不再是遥不可及，未来AI技术在量化投资里资产配置的优化和投资决策效率的提高上，将有更多发挥空间，投资者可以保持关注。

来源：景顺长城基金