“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律，AI特別是深度神經網絡模型的發展，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，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，從產品線和業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，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和深度學習的發展，傳統的多因子模型策略受到了一定的挑戰，尤其是基本面因子在Alpha挖掘上出現波動，甚至有些長期穩定的Alpha因子變成偏Beta因子。
李子昂表示，在新的挑戰下，從業者逐漸去尋找新的信息和框架去優化模型，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，所以從業者做好AI投資需要具備科研精神和工程能力，要不斷激發靈感迭代模型，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。