意外！AI完全取代基金经理？多家百亿私募这么说

　　近日，国内某主观私募公开发声，将用AI取代基金经理投资工作，一时间成为私募业界的热点话题。该私募称，“拟安排公司4位研究员，以及一个基于人工智能的机器人，独立管理5只不同的私募基金。”而对于这则私募圈“热点新闻”，本周多家受访的百亿私募，却普遍给出了“偏于谨慎”的分析和预测。

　　取代“人工”仍有多个短板

　　上海某百亿级主观多头私募负责人向记者表示，按照正常的投资决策流程，一只股票被基金经理决定买入前，普遍经历深度研究、股价观察、上市公司现场调研等多个重要环节。而在这些环节之后，也需要满足相应条件后才能进入投资决策流程、进入交易阶段，并在建仓后仍需跟踪股票进行仓位管理。“整体而言，其中大量的投研工作人工参与度都很高，很难由AI替代。”该私募人士称。

　　该私募人士同时指出，目前国内私募行业中AI参与度最高的投资方式无疑是量化策略，但即便如此，仍然需要专业人员对风控指标、持股权重等多个关键点，进行相应的主观或“主观与量化结合”的设置，才能符合产品设计要求。

　　与此同时，多家百亿私募还同时指出，在目前的私募行业规范下，“纯AI管理基金”实际上存在明显的合规漏洞。在现有法规框架下，基金经理作为基金投资的第一责任人，也是私募基金法律关系中“不可或缺和严格规定的一环”。

　　念空投资董事长王啸进一步指出，所谓AI取代基金经理，在程序化交易上已经实现。但对于量化投资的整体策略运行而言，由于量化投资流程较长、细节较多，大模型能否很好的学习投资过程取决于“教授者”的训练技巧和能力，未来这个替代进程的快慢，更多取决于大模型的进展速度。

　　量化赛道已有较多深度应用

　　值得注意的是，对于AI相关技术、模型在金融投资中的融合，多家头部量化私募也普遍指出，多年以来，量化投资对于AI已经展开了较多深度应用。

　　宽德投资称，从某种角度上来看，“AI彻底取代基金经理”事实上是一个伪命题。一方面，在量化投资行业，一家合格的量化管理人应以投资结果为追求，而非过度关注是否“纯AI化”。另一方面，量化投资本就属于“人脑+电脑”的科学投资范式，随着人工智能的不断发展，人脑与AI的结合方式还会持续地进化、丰富，朝着不断优化投资效率的方向迭代。该机构同时强调，不管是以各类Copilot（微软开发的Windows AI助手）为代表的辅助型生产力工具，还是使用“接近文本层面的AGI水准”的大语言模型处理文本类型的另类数据，以及利用深度学习技术为代表的机器学习进行市场定价等，近年来AI在量化投资领域的场景化应用是全方面的。如生成交易信号、优化配置资产、风险度量、风险预测、动态风险控制等等。从该机构自身的发展来看，公司也将持续拥抱新技术的应用，不断融入进量化框架的每个环节。

　　鸣石基金相关负责人介绍，在该机构“五环多核”量化流水线投研模式中，AI环节是重要一环，主要应用于信号构建以及因子挖掘上，此外AI技术还在公司的另类数据处理、交易决策等投研环节中也均有涉及。另一方面，“随着算力资源的不断升级，未来AI在公司各环节的覆盖度预计将持续增大。”

　　此外，王啸也透露，AI中的“transformer开源算法”在2019年就运用到了该机构的量化模型中，主要应用场景是在特征筛选和特征拟合环节，在整体收益贡献中大概占到1/3左右权重。

　　定位“赋能”更显科学

　　世纪前沿相关负责人表示，AI的蓬勃发展，极大地提高了量化投资的效率，它的生产力升级对于量化投资的发展大有裨益，相关“赋能”能够让研究的过程更加如鱼得水。从根本上看，AI带来的技术更新，正是量化投资整体系统工程优化中重要的部分。该机构同时透露，公司从2021年开始就成立了专门的AI组，招聘了多名来 知名互联 研究机构的机器学习专家。这些专家利用研究员提供的“有逻辑的特征”构建神经网络，能够进 步找出更据深度的市场结构规律，也实际帮助公司产生明显的超额增益。此外，世纪前沿还认为，整体来看，量化投资是一个综合性系统工程，虽然AI能够有效提高投资效率，但不能和量化模型、量化策略直接划等号。

　　作为一家以FOF策略为主的头部管理人，万丰友方副总经理张伟进一步表示，仅从技术角度而言，AI目前主要承担投资“赋能”与“助推”的角色，作为独立基金经理自主投资决策的条件还并不成熟。投资本身并没有放之四海而皆准的“水晶球”，如何找到“正确”的知识让AI去“自主学习”是其中的关键难点。此外，张伟以该机构的实践表示，从FOF投资中的资产配置角度看，公司多年前自研推出的资产配置管理系统，就运用了AI技术自动识别产品并生成产品特征，并按照策略分析模型筛选出优秀管理人，并对不同产品进行“多维画像”。

　　张伟认为，整体而言，FOF管理人既需要具备底层优秀投顾和策略的挖掘、甄别能力，也要有跟踪判断管理人投资和组合优化的能力，并且还需要在此之上形成自身的大类资产配置、风险定价、风控管理、投后管理能力。而在这些投资流程中，AI将能够起到了强大的支持赋能作用。随着大模型的兴起和应用，AI在复杂数据和模型的处理、资产配置的优化和投资决策效率的提高上，将有更多发挥空间。