为AI量化投资注入科研精神

　　“公募量化当前已经走过了从0到1的阶段，未来越来越多的人可能会把人工智能（AI）当作手段和工具武装自己，加入从1到N的发展趋势。作为趋势中的一份子，我认为AI量化大有可为。”谈及AI量化投资，泓德基金AI Lab负责人李子昂如是说。

　　作为泓德基金AI Lab的负责人，李子昂具有完备的因子投资框架，积累了多年深度学习、神经网络模型研究经验，更兼具了科研人的匠心、工程师的谨思、探险家的勇敢。在这场AI与量化投资交融的浪潮里，他们已然扬帆起航。

　　不断更迭模型

　　硕士毕业于美国哥伦比亚大学的李子昂积累了9年投研经验，6年投资经验。在入职泓德基金的第4年，与蓬勃向上的AI量化时代碰撞火花，共同成长。对于量化投资，他有着自己独到的体悟。

　　“量化投资本身是一个数据科学，其核心是基于统计规律去做投资。”李子昂解释说。类似于主动投资根据历史数据形成对未来投资的预期和判断，量化则是通过海量的数据去寻找赚钱的规律，继而进行选股，作出决策。

　　“量化投资本质上是一个Y=F(X)的过程。”他用一个比喻，揭开了量化投资的面纱。他解释，Y是基金经理所预测的股票收益，X是其使用的指标，F则是提炼指标数据的方式。

　　在李子昂看来，F和X构成了投资框架的两大核心内容，二者相辅相成。近年来，量化投资的逻辑日趋成熟，正体现在对F和X的提炼上。在未来，要提升量化超额收益能力，本质的抓手仍然是F和X，即用更强的人工智能模型优化F的方法论，并在广袤的市场数据里准确地抓取新的X特征。

　　在今年极致轮动的市场风格之下，以分散为特征、在市场错误定价中寻找机遇的量化投资迎来了相对蓬勃的发展。不过，量化策略也面临阶段性挑战，历史数据的回测显示，极端集中的行情会导致AI选股策略的普遍回撤；市场流动性收缩严重的时候，高频策略的赚钱能力也将放缓。

　　“AI时代赋予了我们更多的探索空间，只有不断更迭模型，不断有新的想法、特征，才能达成更好的提升。”对于这一点，他深信不疑。

　　专注阿尔法挖掘

　　随着AI的注入，量化投资经历了从线性到非线性的更迭。“五六年前，市场仍以挖掘能够创造阿尔法收益的因子为主，使用的是多元线性回归模型；而当机器学习出现后，我们的思维不再受限，开始接受很多非线性模型。从线性到非线性，我们所做的无非是更好地认知世界，探索市场的未知。”李子昂说。

　　专注于挖掘超额阿尔法特征和非线性关系的李子昂，以多年的研究经验为功底，善于运用深度学习、神经网络、海量信息等方法。“深度学习能够提取海量交易数据中蕴含着丰富的增量信息，在找到独特阿尔法来源的同时，对传统因子予以补充；快速发展的神经网络模型能够激发迭代灵感，以对抗阿尔法的加速失效；对于高频交易信息，传统基本面因子可能短期失效，通过量化捕捉错误定价中的非有效性，能够带来较好增益。”他解释。

　　在公募量化“百花齐放”的浪潮下，团队若想勇立潮头，需要对模型进行持续的迭代与更新。李子昂会从两个维度对模型予以评判，其一是模型的准确度，即模型本身是否能基于数据集达成最好的效果；其二则是实盘的效果，即运用模型选股后是否能产生良好的投资曲线和实际效果。

　　探索AI前沿

　　顾名思义，AI Lab的“实验室”概念为团队注入了科研的灵魂。

　　据李子昂介绍，泓德基金的AI Lab从去年开始筹备，并于今年年初正式成立。“实验室成立的初衷，是想建立一个负责公司所有AI方面策略与研发的团队，把市场上最先进的AI技术与模型用于日常业务中最核心的板块，赋能投资与研究。”他说。

　　当前，AI Lab仍然以聚焦量化投资为主。“我们已经基本完成了多模型、端到端的开发，从今年4月起已经运用在了公司的部分公募产品策略中。”李子昂表示，投用效果总体符合预期，尤其是指数增强策略，其阿尔法效果相对较为显着。AI Lab是一个非流水线式的、开放性的研究型团队。从招聘条件看，团队所吸纳的都是AI量化投资领域最前沿的探索者。“虽然人数不多，但要求每个人都具备端到端的研究能力，包括从数据的清洗、落地、特征提取，到模型的设计、搭建、训练，以及预测和后端投资组合的生成。”他介绍。

　　“我希望整个团队都能始终拥有对最先进算法的探索欲、研究热情和创新能力，能够不断地自我完善与迭代，至少在很长一段时间里，把我们认为最有效的模型和策略运用到选股当中。”李子昂如是说。

　　展望未来，AI Lab也不会停下脚步。李子昂表示：“AI领域依然有很多东西值得探索。”他也将继续带领团队，在量化投资的浪潮里探索AI领域的无限可能。

　　来源：·中证网 作者：张凌之 见习记者 王诗涵