“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。量化投資是在廣覆蓋的股票、大量的數據中尋找市場規(guī)律，AI特別是深度神經網絡模型的發(fā)展，則是通過對超大量數據非線性特征的提取，挖掘出Alpha，以力爭提升投資收益。”談及AI選股策略的作用，泓德基金AI Lab負責人李子昂作出上述表示。
AI選股策略提取Alpha
力爭實現超額收益
近日，證監(jiān)會副主席在2023金融街論壇年會上表示，“要培育一流投資銀行和投資機構，相關市場主體要高度認識金融科技數字化轉型對業(yè)務的支持和賦能作用”，“要進一步提升金融機構數字化水平。”
金融機構通過科技賦能數字化轉型，正在對公募基金的核心投研能力提升產生積極成效。以泓德基金為例，基于對AI選股策略的重視，泓德基金于2019年起開始跟進，2022年底就在籌備AI實驗室，今年4月份,由泓德基金總經理親自牽頭，正式成立了AI Lab人工智能實驗室，主要做AI策略開發(fā)，為基金組合策略賦能。目前，泓德基金針對中證500、中證1000、國證2000、中證2000等指數都在做模型跟蹤和調優(yōu)，從產品線和業(yè)務角度做出了前瞻性布局。
近日，泓德基金AI Lab負責人李子昂暢談了他目前負責的AI策略工作。
李子昂是美國哥倫比亞大學理學碩士畢業(yè)，曾任北京隆慧投資有限公司投資管理部投資經理、華商基金量化投資部量化研究員、泰達宏利基金風險管理與基金評估部助理專員。2019年加入泓德基金，曾任特定客戶資產投資部投資經理，現任泓德基金AI Lab負責人。目前證券從業(yè)年限10年，投研經驗已有9年。
在學生階段，他的研究領域就是神經網絡模型工作，當時神經網絡模型還沒有展現出當今如此強大的能力。不過，直到近幾年，國內金融機構開始逐漸應用AI挖掘因子，特別是應用神經網絡方式挖掘出相對有效和穩(wěn)定的因子，并應用于量化投資。也正是在這個時間，他也開始搭建用于選股的神經網絡模型，并將模型策略陸續(xù)應用到實盤中，整體取得了符合預期的效果。
在投資框架方面，他利用AI選股策略通過深度神經網絡挖掘量價中的Alpha特征，用深度學習方式解決傳統模型因子挖掘和因子合成的過程，從而更好提取高頻特征中隱含的Alpha，力爭實現超額收益。
事實上，在今年權益類市場低迷階段，部分量化投資的收益表現常常受到市場關注，相比部分主動權益類基金呈現明顯超額回報。
在李子昂看來，投資收益最終要分成Alpha和Beta兩部分，部分量化整體收益顯著的背后邏輯是，Beta方面中證500、中證1000指數等指數，比前期表現很好的茅指數、寧組合好一點；而在Alpha方面，部分機構用到了更多偏交易的數據和新方法，更廣闊的數據提煉出了更多的Alpha，也在超額收益上有所體現。
不過，李子昂在AI選股策略中，會更加專注Alpha挖掘，不通過極致暴露來獲取收益。他充分了解資產配置和分散投資對改善組合風險收益特征的幫助，力爭降低風格擇時的風險。
AI技術給投資帶來強大助力
“要積極融入AI時代”
隨著AI和深度學習的發(fā)展，傳統的多因子模型策略受到了一定的挑戰(zhàn)，尤其是基本面因子在Alpha挖掘上出現波動，甚至有些長期穩(wěn)定的Alpha因子變成偏Beta因子。
李子昂表示，在新的挑戰(zhàn)下，從業(yè)者逐漸去尋找新的信息和框架去優(yōu)化模型，比如部分投資者可以從交易信息里挖掘增量信息或超額收益特征，利用神經網絡模型擬合函數，對整個組合特征做提取和未來預測，也取得了不錯的效果。
“比如，傳統量化模型大多基于線性設立，但當大家越來越意識到市場上非線性邏輯也可能帶來Alpha，能夠實現多種非線性特征提取的AI模型，特別是神經網絡的模型，自然而然就派上用場，深度神經網絡在處理并提取隱含其中的Alpha特征中發(fā)揮了顯著功效。”
因此，他認為，當前AI技術給量化投資帶來的強大助力可分為兩方面，一方面是通過AI可以提取超大量數據里所謂的非線性、非顯性因子Alpha；另一方面，AI模型能夠幫助處理更多的非結構化的數據。
那么何為非結構化數據？據他介紹，研報、新聞，包括專家訪談、調研紀要都是非數字的文本信息，借助ChatGPT或其他能夠做語義理解和分析的AI模型，可以將這些非結構數據與未來股票收益之間產生映射。不僅如此，卷積神經網絡還可以完成圖像識別，將K線做成標準化的圖的格式并結合一些技術指標，即可與未來股價表現建模，極大地體現出AI在量化投資中的價值。
在大量AI技術應用和落地的背景下，AI是否會取代基金經理也受到業(yè)內關注和討論。
李子昂表示，AI能否取代基金經理，本質邏輯是AI能不能自己做投資。目前來講，AI可以輔助投資，具備一定智能，但在量化投資上，AI模型并不能自己主動設計新的量化模型去適應復雜多變的市場環(huán)境。現階段AI背后體現的還是模型設計者的智慧和想法，所以從業(yè)者做好AI投資需要具備科研精神和工程能力，要不斷激發(fā)靈感迭代模型，保持投資策略有效性，以更好適應市場的變化。
他也呼吁積極擁抱AI時代，努力嘗試接觸AI、利用AI提升工作效率，獲得更多的知識和信息，這樣才能跟上科技數字化發(fā)展的步伐。
結合歷史數據和投資角度，他表示，投資收益可以分解為估值和盈利兩方面，現階段主流寬基指數的估值都處于較低位置，在低估值的行情下，企業(yè)盈利若能保持不錯的增速，將孕育出長期不錯的投資機會，在短期估值偏離后會存在較大的修復空間。