您的位置:首页>企业要闻 >内容

泓德基金李子昂:AI+量化投资大有可为,主流宽基指数存在较大修复空间

2023-12-26 17:51:55来源:
导读原标题:泓德基金李子昂:AI+量化投资大有可为,主流宽基指数存在较大修复空间|基遇【编者按】2023年,A股市场高开低走,全年震荡。各大宽...

原标题:泓德基金李子昂:AI+量化投资大有可为,主流宽基指数存在较大修复空间|基遇

【编者按】2023年,A股市场高开低走,全年震荡。各大宽基指数涨跌分化,主题投资风起云涌,上半年AI投资热火朝天,下半年华为、减肥药、人型机器人轮番演绎,市场结构性机会与风险共存。

搜狐财经《基金佳问》栏目特别推出“基遇2024”专题系列报道,复盘A股市场细分领域年内行情,展望及预测2024年各热门赛道的投资机遇,把握后市资产配置的主逻辑,寻找具有投资潜力的基金产品。

做客本期“基遇2024”的基金经理,是泓德基金经理李子昂,本期聚焦公募AI量化的投资方法。

更多基金经理对谈,点击进入搜狐财经《基金佳问》栏目

李子昂,泓德基金AI Lab负责人、基金经理。美国哥伦比亚大学理学硕士。10年证券投资管理从业经验。曾任北京隆慧投资投资管理部投资经理,华商基金量化投资部量化研究员,宏利基金风险管理与基金评估部助理专员。2019年4月加入泓德基金,现任多资产投资部基金经理。

出品|搜狐财经

作者|汪梦婷

AI赋能之下,公募量化走上快车道。在今年板块轮动频繁、投资难度加大的市场中,部分量化公募业绩表现优异,公募量化基金规模持续扩张。据Wind数据,截至三季度末,量化公募的整体规模约2891亿元,环比二季度末增长约166亿元。

李子昂表示,AI技术解决了大量数据样本的问题和多数据模态的问题,同时可以帮助处理更多的非结构化的数据,此外,深度学习在非线性Alpha挖掘中也较传统线性多因子模型有较好提升。

对于策略同质化导致的超额收益下降问题,李子昂称这不可避免,真正好的的处理超额下降的办法就是不断迭代新的模型,挖掘更多的特征,找到更准确的预测方法。

以下为访谈全文:

基金佳问:当前AI技术给量化投资带来哪些改变?相较传统量化,结合AI技术的量化投资优势在哪里?

李子昂:首先,AI技术解决了大量数据样本的问题和多数据模态的问题,当投资者从基本面Alpha因子的挖掘转向量价Alpha的挖掘时,不可避免地遇到了数据量大幅增加的情况,这时神经网络模型可以较好地处理大量数据问题。

同时,AI技术可以帮助处理更多的非结构化的数据。传统的模型输入一般聚焦在结构化数据上,而NLP技术可以让我们将文本数据建模,更好地挖掘新闻、研报、专家访谈、调研纪要等等文本数据中的Alpha。借助ChatGPT或其他能够做语义理解和分析的AI模型,可以将这些非结构数据与未来股票收益之间产生映射。不仅如此,卷积神经网络还可以完成图像识别,将K线做成标准化的图的格式并结合一些技术指标,即可与未来股价表现建模,极大地体现出AI在量化投资中的价值。

此外,深度学习在非线性Alpha挖掘中也较传统线性多因子模型有较好提升。

基金佳问:在AI技术跨越式发展的当下,AI是否会取代基金经理也饱受关注,您如何看待这个问题?

李子昂:AI能否取代基金经理,本质逻辑是AI能不能自己做投资。目前来讲,AI可以辅助投资,具备一定智能,但在量化投资上,AI模型并不能自己主动设计新的量化模型去适应复杂多变的市场环境。现阶段AI背后体现的还是模型设计者的智慧和想法,所以从业者做好AI投资需要具备科研精神和工程能力,要不断激发灵感迭代模型,保持投资策略有效性,以更好适应市场的变化。

总的来说,短期来看,AI模型的设计迭代依旧依赖于人的智慧和经验,AI暂时还没有表现出很好的能力去实现跨越式的自我迭代,但是不可否认,随着AI越来越智能,这个问题肯定还会被提起。

基金佳问:您管理的量化基金采用了怎样的投资策略?可以简要描述一下主要的投资模型和算法吗?

李子昂:目前我在管的基金产品是应用AI策略进行选股,主要采用端到端的深度学习算法对股票Alpha特征进行挖掘并对股票收益进行预测,我们将复杂的量价特征和基本面特征输入到深度神经网络模型中,通过大量的样本训练模型,模型在训练过程中不断对权重进行修正,并逐渐提升预测准确度。

无论是量化投资,还是其它的投资,本质都是一个Y=F(X)的过程。Y是你想预测的股票投资收益,X是影响Y的变量因子。F就是你用什么样的方式去提炼这些指标中的数据。在过去,像“市值”、“成长”都是X,F就是一个线性加权的模型。到了现在,X还包含很多交易的信息,甚至一些人的行为信息等等。F从之前线性的模型,现在提炼到很多机器学习、神经网络的模型里去。

由于现阶段AI模型还无法实现自我迭代,所以我们可以有两种途径可以找到更好地量化投资方法,一个是获取更多信噪比高的信息(X),另一个是采用更先进的方式(F)。

基金佳问:对于宏观经济因素和事件,量化模型有何反应?在不同市场环境下,量化投资策略是否会有相应的调整?

李子昂:量化模型擅长学习大量样本的普遍规律,因此可能会出现一定的普适性问题,如果当前的市场环境在训练样本中没有出现过,那预测效果可能就会带来一定的随机性。随着新数据样本的增加,量化模型可能会学习到新的规律,当然也可以采用多模型的方式降低模型全部失效的概率。

基金佳问:在量化投资中,风险管理是如何被整合到投资策略中的?对于仓位控制和资金管理,您有哪些具体的原则和方法?

李子昂:通常,量化策略会有相对明确的基准指数,在Alpha模型完成对股票的预测后,我们会通过风险模型使投资组合在风格(如成长、估值、技术等)上与基准指数尽量匹配,从而更好地聚焦在Alpha上。仓位管理上尽量遵循长期投资的原则,在市场低位时尽量维持较高仓位。

基金佳问:近年随着量化投资规模扩张,量化策略同质化愈发严重,长期来看超额中枢将随着时间推移而持续衰减,您在投资中是如何面对超额下降的挑战的?

李子昂:超额收益的下降不可避免,真正好的的处理超额下降的办法就是不断迭代新的模型,挖掘更多的特征,找到更准确的预测方法。

基金佳问:您对于量化投资未来的发展趋势有何展望?未来几年,您计划在量化投资方面有哪些创新和发展?

李子昂:公募量化早在2014-2015年时已呈现出蓬勃发展态势。几年前,国内公募就有人用人工智能的方法去做信息提取。目前公募量化的发展,已走过了从0到1 阶段,处于从传统多因子模型向AI过渡过程。

随着AI的发展,量化投资再次步入快车道,未来我们将看到越来越多的同行将AI技术运用于量化投资,也会看到AI学术界越来越多关注到金融预测和股票投资领域,我们也将不断前行,迭代开发自己的模型,努力实现更准确的预测。

基金佳问:对于那些对量化投资感兴趣的投资者,您有什么建议?在选择量化基金时,投资者应该关注哪些因素?

李子昂:第一,要看投资者对于beta端的认可。比如,当前中证500指数的估值分位不到30%。未来如果有一轮牛市,beta端的收益可能相对可观;二是alpha端,投资者要去考察哪些模型和方适合做alpha,这件事情是相对比较重要的事情。选择量化团队也要看其实现alpha的能力,剔除行业收益和风格收益之外,纯alpha的收益到底是多少,这也是量化团队之间差异和优势所在。

基金佳问:你怎么看待目前的市场情况?

李子昂:投资收益可以分解为估值和盈利两方面,现阶段主流宽基指数的估值都处于较低位置,在低估值的行情下,企业盈利若能保持不错的增速,将孕育出长期不错的投资机会,在短期估值偏离后会存在较大的修复空间。

免责声明:本文由用户上传,如有侵权请联系删除!

猜你喜欢

最新文章