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