“AI對我們量化投研較大的改變，一是編程效率得到了大幅提升，二是另類數(shù)據(jù)的挖掘更加高效，三是利用開源社區(qū)和學(xué)術(shù)界論文的啟發(fā)，去研發(fā)更好的量化投資模型。”
● “對于AI的信任是逐步建立的，就像使用自動駕駛一樣，我們從不敢用，到輔助調(diào)速、緊急避險，慢慢開始使用。大語言模型也是如此，是逐步探索，信任一點一點建立。”
● “關(guān)于AI的黑箱效應(yīng)，凡是復(fù)雜的事情，都很難用簡單的規(guī)則去解釋。與其解釋自己，不如做好監(jiān)控。只要統(tǒng)計意義上足夠優(yōu)秀，彪悍的模型不需要解釋自己。”
● “現(xiàn)在我覺得關(guān)于量化投資的共識并不過頭，我們還是在共識凝聚的過程中，還沒有到共識過頭要反轉(zhuǎn)的階段，但天花板已經(jīng)看到了。”
● “中國A股市場是值得投資的。配置A股，量化是非常值得考慮的一類策略。A股市場的非理性程度，有待被量化去糾正。”
● “長期投資的理念，對于量化，特別是指增型的策略是非常重要的。你不要追短期的高點，也不要對短期調(diào)整有太多的恐慌。”
以上是好買財富第十四屆私募年度投資論壇量化圓桌環(huán)節(jié)中，倍漾量化創(chuàng)始人馮霽、平方和投資創(chuàng)始合伙人呂杰勇、穩(wěn)博投資創(chuàng)始合伙人鄭耀發(fā)表的精彩觀點，新方程量化負責(zé)人張錦升擔(dān)任了本場主持。
近年來，隨著人工智能技術(shù)的發(fā)展，資本市場也在發(fā)生新的變化。一方面，科技風(fēng)格展現(xiàn)出了更強的彈性。另一方面，在AI技術(shù)的加持下，量化投資正展現(xiàn)出越來越強的競爭力。
過去一年，我們開始看到AI正進入量化投研核心流程，量化策略開發(fā)效率顯著提升。“人+機器”的邊界正在被重構(gòu)。但新的問題也隨之出現(xiàn)：AI會如何影響量化行業(yè)？量化投資的規(guī)模提升會如何影響超額？現(xiàn)在又該如何看待量化指增策略的配置機會和價值？
接下來，我們就聽一聽知名量化私募對這些問題的研判。
以下內(nèi)容整理自論壇對話實錄
AI革命中的量化投資擁抱AI，但不迷信AI
主持人：2025年可以說是國內(nèi)量化投資的高光時刻，去年量化股票策略的業(yè)績非常亮眼。我覺得今年也很值得期。
講到AI，去年我們看到AI在編程能力上有一個指數(shù)級別的提升，首先想請教三位嘉賓，隨著AI從過去的輔助工具逐漸演進成Agent智能體，量化管理人是怎樣把AI應(yīng)用到投研各領(lǐng)域的？
馮霽 人工智能帶來的變革是非常深遠的，可能不僅僅是金融投資，對于人類許多智力密集型行業(yè)，在未來兩三年都會有顛覆性的影響。
回到量化投資，我想講三點：
第一，大語言模型對編程的顛覆。量化公司本質(zhì)是一個軟件公司。大語言模型可以讓程序員的效率提升90%。對于以編程為實現(xiàn)手段的科技公司來說，這是巨大的變革。
第二，另類數(shù)據(jù)的處理。之前我們需要買處理過的數(shù)據(jù)，現(xiàn)在只要有足夠多的數(shù)據(jù)源，用大語言模型就可以自動幫我們進行另類因子的挖掘。以前需要人工去處理數(shù)據(jù)，效率很低，現(xiàn)在有了大語言模型，可以分析更多之前來不及分析或質(zhì)量不夠高的數(shù)據(jù)。
第三，技術(shù)啟發(fā)。大語言模型背后的技術(shù)是通用的，從7年前的Transformer到現(xiàn)在的DeepSeek，發(fā)展了7年，這個過程中大家不斷學(xué)習(xí)如何做時序數(shù)據(jù)的建模。我們可以圍繞這些技術(shù)搭建端到端的策略。
總結(jié)一下，AI對我們量化投研較大的改變，一是編程效率得到了大幅提升，二是另類數(shù)據(jù)的挖掘更加高效，三是利用開源社區(qū)和學(xué)術(shù)界論文的啟發(fā)，去研發(fā)更好的量化投資模型。
呂杰勇 回看歷史，從AlphaGo開始，就有許多量化從業(yè)者把機器學(xué)習(xí)、人工智能向量化投資領(lǐng)域應(yīng)用?，F(xiàn)在，投資是AI應(yīng)用的一個很重要的子領(lǐng)域。AI一般會用在以下幾個方面：
第一是因子挖掘。金融市場的數(shù)據(jù)噪音非常大，可以捕捉的規(guī)律非常微弱。AI可以捕捉一些微弱的規(guī)律，形成因子，幫助人快速發(fā)現(xiàn)信號，這更多是對人的一種輔助。
第二是組合優(yōu)化。組合優(yōu)化需要大量的風(fēng)控、回測、參數(shù)搜索，人工智能可以加速這些環(huán)節(jié)。
第三是一些重復(fù)、繁瑣、繁重的勞動，機器來做非常合適，將這些工作從研究員身上剝離出去，研究員可以專注在研究領(lǐng)域。
我們的態(tài)度是擁抱AI，但不迷信AI。我們會審慎配置AI，看準(zhǔn)之后再實際落地。純粹依賴AI，也有一些團隊做成功，但和傳統(tǒng)人機結(jié)合的方式相比，并沒有明顯優(yōu)勢。人機結(jié)合在當(dāng)前AI的水平下是更合理、可選的路徑。
鄭耀 對于穩(wěn)博投資來說，我們將AI更多看作是人，是智力的提供者。對于智力的提供者，一個是能力，二是信任。
從能力來說，現(xiàn)在的AI基本到達非常聰明的人的水平，但專業(yè)知識的積累，特別是量化領(lǐng)域最新的核心技術(shù)積累還非常有限。
大家都不喜歡把自己的核心技術(shù)拿出來，互聯(lián)網(wǎng)上能找到的公用知識也不包括這些。而且，人類喜歡深度思考、長程思考。比如研究員思考一個問題可能從5年前就開始了，一直反復(fù)思索驗證了5到10年。AI在長程思考上難免會走偏，目前技術(shù)還沒解決這個問題。當(dāng)然AI也有長處，知識面更寬廣。
另一方面就是信任。我們不可能把自己的賬號交給AI說你幫我去做交易。很多時候我們并不相信它是可控的。就像多年前看自動駕駛，我們敢不敢把生命交給這輛車？很多時候答案是不敢。雖然數(shù)據(jù)證明自動駕駛事故率可能只有人類的1/10，但我們依然不愿意把信任交給他，因為背后沒有一個能長期對結(jié)果負責(zé)的人。如果AI寫了一個有問題的代碼或因子，我們無法要求他對結(jié)果負責(zé)。
所以，對于AI的信任是逐步建立的，就像使用自動駕駛一樣，我們從不敢用，到輔助調(diào)速、緊急避險，慢慢開始使用。大語言模型也是如此，是逐步探索，信任一點一點建立。當(dāng)然也有底線，最終的交易環(huán)節(jié)，必須是可靠的。風(fēng)控、交易環(huán)節(jié)基本不可能完全信任AI。但前期研究時，信任度會逐步上升。
AI模型的黑箱效應(yīng)構(gòu)建穩(wěn)定系統(tǒng)，做到有效監(jiān)控
主持人：馮總，您之前說過，未來3年內(nèi)沒有使用AI的量化投資經(jīng)理大概率會被淘汰。能否展開講一講您的這個觀點？
馮霽 上世紀(jì)90年代，大量量化管理人突然覺得電腦是好東西，于是不用計算器了，編程語言也都換成了C++。
現(xiàn)在就像那個時期，對沖基金都在使用最先進的工作站和編程語言，人工智能對量化投資的影響會越來越大。
我們不是簡單的用AI幫我們炒股，這不靠譜。我們做的事情是在整個量化投資流程中盡可能降低人的先驗知識和專家經(jīng)驗。在從因子挖掘、信號產(chǎn)生、模型建立到策略產(chǎn)生的全過程中，做純機器學(xué)習(xí)的生產(chǎn)線和端到端的訓(xùn)練。倍漾量化在高頻策略中是完全能做到的。
另外，純AI的好處是迭代升級是可規(guī)劃的。歸根結(jié)底這是一個軟件工程的任務(wù)。過去10多年，大家對機器學(xué)習(xí)系統(tǒng)的升級積累了一些經(jīng)驗。與其依賴最優(yōu)秀的人不斷產(chǎn)生新的靈感，我們希望將靈感這件事摒棄掉。一個現(xiàn)代公司的好壞，不能依賴于幾個人的靈感。我們希望將知識沉淀在復(fù)雜的學(xué)習(xí)系統(tǒng)中。當(dāng)你做出GPT-4的時候，你基本知道GPT-4o長什么樣。
當(dāng)然，人的方向性指導(dǎo)依然重要，比如“老司機”要告訴我們往哪個方向走，這個方向指導(dǎo)下，我們可以用AI把整個系統(tǒng)做好。
主持人：呂總，您剛才提到人機結(jié)合。平方和在偏AI的投研模型和傳統(tǒng)的投研模型這兩方面有什么區(qū)別？
呂杰勇 AI有人將其稱之為統(tǒng)計學(xué)2.0，是一個工具，不用過度夸大。它是一個工具的升級，提升了投研效率。
機器學(xué)習(xí)的特點是寬度較寬但深度不夠。機器在深度上有些吃力。另外像價值觀的東西，比如什么錢該賺、什么錢不該賺，機器沒有感知，但人有。第三是機器訓(xùn)練依賴大量數(shù)據(jù)，對于非常態(tài)數(shù)據(jù)，由于量非常少，所以訓(xùn)練不充分。當(dāng)市場發(fā)生極端行情時，純機器模型可能會集體失效。這時候，傳統(tǒng)簡單的一些線性分析或人的經(jīng)驗可能會起到很大作用。機器也有痛點，主要差別就在這里。
主持人：對于穩(wěn)博投資來說，現(xiàn)在機器學(xué)習(xí)相關(guān)的模型和偏傳統(tǒng)的線性模型，我們是怎樣權(quán)衡和使用的？各自的占比是多少？
鄭耀 我們的觀點是，預(yù)測周期越長，越應(yīng)該偏簡單；預(yù)測周期越短，可以做得更復(fù)雜。如果要預(yù)測未來6個月哪些公司比較好，機器學(xué)習(xí)意義不太大。但如果預(yù)測未來6分鐘，AI能力非常強。
目前行業(yè)的平均預(yù)測周期大概是在10到20天?；久恳患伊炕瘷C構(gòu)的最終組合模型，起碼70%、80%是非線性的，線性模型占比可能就是20%、30%。
越短周期純?nèi)斯た赡茉浇忉尣涣?，解釋不了的另一層含義，就是模型的能力超過了人。我們預(yù)測周期就是未來10分鐘，人預(yù)測不過模型，雖然不理解，但它就是做得比你好，這時候相信模型就可以了。
主持人：我們知道AI也有一些不可控因素。想請問倍漾量化與平方和在使用AI模型的過程中，是怎樣避免黑盒效應(yīng)或可解釋性比較低的情況出現(xiàn)？
馮霽 這是一個好問題。什么時候用黑盒，要看他什么時候足夠強。
第一，你為什么愿意把性命托付給出租車司機？是因為統(tǒng)計意義上它是安全的。短周期和中周期尺度上，只要統(tǒng)計意義上效率確實好，我們就可以用。
第二，關(guān)于監(jiān)控。學(xué)術(shù)界有一套嚴密的框架。在量化領(lǐng)域，嘗試解釋黑盒模型有多年的經(jīng)驗與結(jié)果來幫助我們。
第三，關(guān)于人工智能自己的可解釋性，我是悲觀的。就像人的大腦，智能越厲害，越難解釋自己。凡是復(fù)雜的事情，都很難用簡單的規(guī)則去解釋。與其解釋自己，不如做好監(jiān)控。只要統(tǒng)計意義上足夠優(yōu)秀，彪悍的模型不需要解釋自己。
呂杰勇 現(xiàn)在AI工具越發(fā)達，也越難解釋。對于AI帶來的可解釋性問題，我覺得一個系統(tǒng)的目標(biāo)是追求收益和穩(wěn)定性。你這里面要有可解釋性的因子，這些因子可以打底，構(gòu)建一個穩(wěn)定的系統(tǒng)。再補充一些不可解釋的因子，因為它們有很強的統(tǒng)計規(guī)律，雖然暫時無法被解釋，但也不用排斥。不可解釋的因子，在效果一樣的情況下，我們選擇可解釋的，這是一個基本原則。
量化指增仍具配置價值保持長期視野，規(guī)避情緒干擾
主持人：2025年開始，A股成交量顯著抬升。這樣的環(huán)境下，高換手、偏日內(nèi)的子策略會有更多的機會。鄭總，最近穩(wěn)博投資加入了許多日內(nèi)頻段的Alpha策略，我們?nèi)绾慰创F(xiàn)在市場環(huán)境下高頻和中低頻策略的差異？
鄭耀 我們?nèi)ツ甑浇衲暄芯績蓚€方向。一是中低頻方向。我們重構(gòu)長周期的因子，針對科技公司，特別是芯片類公司，我們往后看5年甚至更久，即使公司現(xiàn)在不盈利。
二是應(yīng)對市場變化。從長周期來看，可預(yù)測性下降了。所以我們希望引入更低頻的因子。我們在頻段上稍微增加了1-3天的頻段信號。我們相信市場成交放量的周期還可能持續(xù)一段時間，這時候高頻策略會好一些。
但市場總是有成交量放大和縮小的周期。最后我們會發(fā)現(xiàn)，每一種策略都需要配一些，需要均衡配置，這樣你才能在不同的環(huán)境下都有一定的表現(xiàn)。
主持人：去年開始A股成交量放大，量化的業(yè)績也廣泛受到關(guān)注，規(guī)模也增長得比較快。目前量化的整體規(guī)模到了2.5萬億到3萬億的區(qū)間，各位覺得這個體量會對量化超額有怎樣的影響？
鄭耀 我覺得規(guī)模是收益的敵人，這話長期是對的，短期值得懷疑。因為規(guī)模上漲的過程中，會推高你的風(fēng)格收益。當(dāng)這個過程結(jié)束，共識被過度演繹了，這時候會產(chǎn)生反轉(zhuǎn)。現(xiàn)在我覺得對于量化共識的演繹并不過頭，我們還是在共識凝聚的過程中。
長期來說，參與的人更多了，有效性會衰減，這是必然的。什么時候會更顯著？當(dāng)市場成交額往下走的時候。規(guī)模增長帶來的另一個反思是，你是不是足夠的靈活，可以去調(diào)整你的策略。我們對于這件事相對來說比較謹慎，但也比較樂觀，還沒有到“過了共識要往回走”的階段，但天花板已經(jīng)看到了。
呂杰勇 不能光看規(guī)模的絕對數(shù)字?，F(xiàn)在的規(guī)模和10年前比，可能同樣的規(guī)模放在10年前是非常恐怖的數(shù)字。但這10年來，市場的深度不一樣了，股票數(shù)量增加，參與度增加。社會的財富在不斷向股市轉(zhuǎn)移，整體市場深度會變大。現(xiàn)在的量化的規(guī)?？赡苓€沒有打滿，還會有一個比較大的發(fā)展。另外也和策略本身有關(guān)，有些策略對換手率敏感，有些看得更長，影響沒那么大。
主持人：最后一個問題，今年發(fā)生很多宏觀大事，對量化的超額影響也比較大。想請各位嘉賓給投資人一些建議，今年接下來的市場環(huán)境下，量化投資有哪些可以關(guān)注的機會？量化指增是否還能配置？
馮霽 我有兩個建議。
第一，中國A股市場是值得投資的。配置A股，量化是非常值得考慮的一類策略。A股市場的非理性程度，有待被量化去糾正。
第二，關(guān)于量化指增這樣的純多頭策略，越是長錢，越應(yīng)該關(guān)注純多頭策略，短錢應(yīng)該關(guān)注市場中性策略。因為長錢，如果你一年有20%多的超額，大盤可能不會每年跌20%。你買純多頭策略，每持有一年都是你的超額復(fù)利，這是非常劃算的投資。
呂杰勇 我覺得有幾點比較重要。一是投資的預(yù)期要放合理。量化策略是有一定優(yōu)勢的，但也不是萬能的，收益是一天天累計的，中間會有波動。
二是應(yīng)該考慮扣除風(fēng)險之后的收益。不能只看短期收益，要拉長時間，看風(fēng)險扣除之后是否還有比較好的收益，性價比很重要。
三是看團隊技術(shù)的基本面。如果團隊優(yōu)秀，投資理念合理，執(zhí)行好，意味著未來投資具有持續(xù)性。這時候，更多的是看準(zhǔn)之后長期持有以獲取更多價值。
鄭耀 給投資者的建議是，大家可以等到市場變得平穩(wěn)的時候再做決斷。無論是買入還是賣出，這時候會更理性。
與其在不知情或恐慌的情況下做動作，不如等到市場平穩(wěn)，對未來有前瞻能力的時候再做判斷。這對多數(shù)普通投資者來說會是比較有幫助的。
長期投資的理念，對于量化，特別是指增型的策略是非常重要的。你不要追短期的高點，也不要對短期調(diào)整有太多的恐慌。
風(fēng)險提示：
投資有風(fēng)險。基金的過往業(yè)績并不預(yù)示其未來表現(xiàn)?；鸸芾砣斯芾淼钠渌鸬臉I(yè)績并不構(gòu)成基金業(yè)績表現(xiàn)的保證。相關(guān)數(shù)據(jù)僅供參考，不構(gòu)成投資建議。投資人請詳閱基金合同等法律文件，了解產(chǎn)品風(fēng)險收益特征，根據(jù)自身資產(chǎn)狀況、風(fēng)險承受能力審慎決策，獨立承擔(dān)投資風(fēng)險。
重要提醒：
本文版權(quán)為好買財富所有，未經(jīng)許可任何機構(gòu)和個人不得以任何形式轉(zhuǎn)載和發(fā)表。
