方興未艾的“量化投資”風，終于在2023年吹到了公募基金領域。在人工智能、Chat GPT、大模型等概念加持下，量化投資不僅披上了時髦“外衣”，還散發著一種神秘氣息：量化投資輕松省力，能捕捉全市場超額收益。甚至有觀點認為，量化投資會逐漸取代人工，傳統的基本面投資會逐漸過時。
量化投資和基本面投資真是“涇渭分明”的嗎？量化投資的最新趨勢是怎樣的？為何會有公募基金公司采用實驗室（Lab）形式進行專門的AI量化模型開發？圍繞這些問題，券商中國記者近日專訪了泓德基金AI Lab負責人、基金經理李子昂。在李子昂通俗易懂、帶有形象比喻的闡述中，神秘的量化投資得以“祛魅”，和廣大投資者的距離得以拉近。
李子昂指出，量化投資本質上是一種投資思維方式，通過尋找有效的因子和模型來捕捉全市場超額收益，是關于大數據的科學。近些年來，隨著新型AI模型和神經網絡技術的加入，國內量化投資發展勢頭越發蓬勃。但這需要基金公司和量化團隊持續加大投入，去提升量化投資中最為重要的算法能力和工程能力。今年大火的人工智能、Chat GPT本質上都屬于這些范圍內。這些，就是李子昂所在的泓德基金AI Lab所聚焦的事情。
量化因子和模型是核心
量化投資有著較高的專業門檻，基金經理需要具備多年專業訓練功底。李子昂也不例外。“我本科學的是工學，不然很難理解這個（量化）”。在人民大學讀本科時，李子昂學的是信息類專業，屬于工學領域；到哥倫比亞大學讀碩士后，他學的是管理科學，屬于交叉學科，涉及運籌學和金融工程等領域。畢業后的十年里，李子昂先后從事過基金量化研究員、投資經理等工作，如今擔任泓德基金AI Lab負責人和基金經理。
這些專門的學科訓練和投研歷練，使得李子昂對量化投資有著透徹的理解。交談中，他在專業術語運用方面相對克制，更傾向于通俗化、深入淺出地闡述量化投資。
在李子昂看來，量化投資首先是一種策略思維，而不是和傳統基本面投資“涇渭分明”的另類投資方法。實際上，量化投資是從各種信息中提取出影響股票收益的重要因素，對其進行數量刻畫、持續跟蹤，最終形成一種可解釋、可預測的投資方法。這些能進行量化的影響因素一般被稱為“因子”，利用相關因子來解釋和預測行情的方法（或運行機制），就是所謂的“模型”。就這樣，因子和模型構成了量化投資的兩大核心支柱。
為了讓投資者能通俗易懂地理解量化投資，李子昂還對因子和模型做了兩類形象比喻。一是Y=F（X）的函數方程比喻：基金經理所要預測的股票收益，好比是方程中的被解釋變量Y。要找到這個Y，需要找到影響Y的若干變量X（因子），然后把X放到F（模型）中去，兩者最終結合的結果，會產生出Y解。除了這種抽象的數理比喻外，李子昂還有著一個較為形象的“廚師”比喻。他把量化基金經理比做廚師，所要尋找的股票比做一道菜。要做出這道菜需要兩樣東西，一是食材（因子），二是烹飪方法（模型）。不難發現，不同食材搭配不同烹飪方法，則能做出不同菜品。順著這個邏輯不難發現，選擇何種因子和運算模型，不僅關系到量化投資的結果，更是評價量化投資優劣的關鍵所在。
有了上述鋪墊后，量化投資以下的重要特征，就不難理解了。李子昂說到，量化投資從本質上說是一門關于大數據的科學，是基于某些統計規律去尋求市場超額收益。
“傳統的基本面主動投資，也是存在一定量化思維的。比如我們會基于很多基本面數據（如財務數據、行業數據、宏觀數據）去判斷股票質地，去推測這些基本因素和股價走勢之間的關系。但這些數據相對頻率較低，所以大家的關注點轉向更為高頻的信息。比如，現在不少機構會用每天交易的數據做量化模型，去提取出某類Alpha因子。”李子昂說到。
以小市值因子舉例，李子昂表示，近兩年來小市值股票走勢較好，通過暴露小市值因子的量化模型，有望獲得比較明確的收益。要找到這個規律，往往會用到市值因子。可以把市值分成不同組，每組里面有很多股票，然后對這些股票在過去一段時間內的業績進行回溯，就可能看到市值最小的一組股票，業績排名會相對靠前。當然，隨著市場信息增加，量化模型里還可以加入其他因子，最終使得量化因子和模型越來越豐富，量化投資得以迭代升級。
捕捉全市場超額收益需要兩種能力
理解起來雖不困難，但做好量化投資卻并非易事。如李子昂直言，這既要具備科研精神，還要具備好的工程能力。
科研能力又稱為算法能力。李子昂說到，因為人工智能一開始并不是為投資或股票預測、金融預測去設計的，大量的AI模型、神經網絡模型一般是用于無人駕駛、自然語言處理等前沿技術領域。因此，要針對投資去開發出相應的量化模型，需要相應的科研能力和成果（學術論文）來支持。可喜的是，近兩年聚焦投資的量化科研論文越來越多。
“但是，僅有科研能力并不夠。因為一個模型從開發出來到真正上市，還要經歷一個比較漫長的過程。你要看到這個模型在樣本外有一個比較好的表現，這個模型的魯棒性要強，泛化能力要好，自然會涉及到一些落地要求，比如怎么去訓練這個模型，如何提高模型的可靠性，這就是一個很強的工程能力。”李子昂說。
這兩大能力之所以重要，是因為這關系到量化投資方法與模型的迭代升級。
李子昂說到，量化最早在金融市場或股票市場的運用，一般是源于CAPM模型（即資本資產定價模型），致力于解釋股票超額收益的來源，并逐漸發展出早期的指數基金等。但這些早期量化的多因子模型大多是線性的，比如會從市值、盈利、成長性等維度去分解股票收益，把這些因子線性組合起來選出相應的股票。到后來，隨著機器學習、神經網絡等前沿技術廣泛運用，量化投資進入到了非線性階段。
“一方面，基金經理發現此前很多用來選股的因子，不一定每個時間段表現都很好，解釋力在不斷減弱。另一方面，還發現其他信息，如交易信息、圖片等場景信息都可以拿來建模。隨著這類信息的加入，在AI算力大發展下量化模型逐漸進入一個新階段，從中能提取出的投資預判信息越來越多。量化投資逐漸成為賺取大數定律投資收益的一個獨立體系。即是說，這些年來量化投資的進步，主要體現在F和X的提煉上，體現在更多的食材發現和更先進的烹飪技術開發上。”
李子昂舉例說到，市場上很多研究報告和新聞報道，本質上都屬于非結構化數據，很難直接進行量化。但因為人工智能技術的進步，這些非結構化的信息都可以通過人工智能的方式去學習，從而構建出新的模型，去推演出因子和股票收益之間的另一些關系。“比如看K線圖這種技術操作，未來會逐漸成為AI的強項。比如，量化模型會把過去一段時間內的所有K線畫成一個標準化圖形，通過神經網絡做識別，就可以和股票未來漲跌幅建立一個關系。和人工相比，量化模型能覆蓋全市場5000多只股票，并且不需要休息吃飯睡覺，也沒有情緒波動。因此，量化模型捕捉全市場超額收益是一個大概率的事情。”
AI Lab未來會廣泛關注AI的發展
李子昂2019年加入泓德基金。在泓德基金平臺上，李子昂趕上了一個優化量化投資的好時機。據李子昂介紹，泓德基金早在2022年底就在籌備人工智能實驗室（AI Lab）一事，后在總經理牽頭下于2023年初順利成立。“AI Lab成立的初衷是想做一個由公司所有的AI策略開發團隊，里面就包括了一些量化策略，甚至在未來可能會將更多的AI技術應用于投研。”李子昂表示，AI Lab 從本質上講是一個偏研究性質的組織，主要會聚焦量化投資，把最先進或市場上最廣泛的、最好的AI的技術模型用到日常投研中去。
“截至目前，我們已基本能完成全模型的端到端開發，我們的策略從去年四季度開始就已在專戶產品進行實盤運用，今年4月份開始在公募基金里去運用。總體來說，這些運用符合我們的預期。因為我們做的是指數增強策略產品，量化模型總體投資的Alpha還是比較顯著的。”李子昂說。
李子昂特別說到，泓德基金AI Lab的團隊模式，不是流水線模式，會更傾向于個人的端到端過程。“我們的人員不會特別多，但團隊工作涉及高頻數據清洗、落地、特征提取，以及模型設計、搭建、訓練、預測，乃至后端投資組合的生成等方面，我們希望每個人都具備端到端的能力。然后根據不同策略的歷史表現去判斷它的權重情況。”在這方面，李子昂會著重關注以下幾方面：一是模型的邏輯是不是互補。如果模型的邏輯能夠互補，我們更傾向于把不同的模型放到實盤上去。二是模型基于過去歷史業績做的預測，能不能提取出很好的超額收益。他會基于這些維度去評價模型質量。
目前泓德基金旗下的泓德泓信，以及近日獲批即將新發的泓德智選啟元等基金，都會應用AI策略進行選股。高度重視AI策略在公募產品投資方面的運用，不僅是基于此前長期在量化投資研究上面的積累，更在于泓德基金看到了國內公募量化投資的發展前景。
李子昂介紹，國內公募最早的量化投資應該是起步于指數基金，但那更多是一個量化范疇的被動投資，而如今公募基金在持續發展的更多是主動量化投資。“公募量化是整個主動量化的主戰場，早在2014-2015年時已呈現出蓬勃發展態勢。當時有一批從海外華爾街等機構回來的同仁，帶回來了很多海外量化經驗，包括BGI等海外知名投資機構。他們是國內最早一批用量化方法挖掘A股超額收益的基金經理。隨后在這幾年，國內公募開始把視野過渡到偏高頻的量價信息上，再用深度學習的方法去提取這些信息。幾年前，國內公募就有人用人工智能的方法去做信息提取。目前公募量化的發展，已走過了從0到1 階段，處于從傳統多因子模型向AI過渡過程。未來，會有越來越多的團隊把AI當成一個手段和工具去武裝自己，朝著從1到N趨勢發展。作為這一大趨勢的一份子，我認為量化投資是大有可為的。”
量化交易有助于提升市場有效性
除了基礎理論和實踐創新外，量化投資還會給資本市場帶來其他“外部性”。一個很重要的方面，就是在量化交易持續增加背景下，市場有效性和超額收益機會的變化問題。作為量化投資的一份子，李子昂也給出了他的個人思考。
他對記者坦言，量化交易趨于活躍之后，會有助于提升市場的有效性。在有效性較低情況下，市場會存在不少定價錯誤的套利機會。隨著量化投資越來越多，錯誤的定價機會就會越來越少，從而使得市場有效性不斷提升。“只要有人比你能更好地識別到這個機會，他對收益的把握就會比你早。要解決這個問題，只能不斷優化量化模型，讓模型更敏銳地去識別市場上不易察覺的投資機會。”
在李子昂看來看，要提升量化超額收益能力，本質抓手還是在于X和F。首先，資本市場是個十分廣袤豐富的場域，存在各類因子通過各種維度去描述市場。但只要新的因子能持續出現，獲取超額收益的機會就會一直存在。其次，有了因子創新外，在當前技術背景下尋求到新的方法論，也依然存在不少空間。“今年年初人工智能、Chat GPT大火，本質上就是屬于方法論（F）的提升。這個領域會出現越來越強的Alpha提取模型、人工智能模型、深度學習模型，甚至有更多神經網絡模型。”所以，基于這兩個維度的優化提升，量化投資捕捉超額收益的機會依然是很豐富的。
李子昂還提到另外兩個量化投資優勢。
一是國內國際視野下的公募量化優勢。李子昂表示，目前國內的量化投資基本都是基于新一代技術而展開，國內量化群體的科研能力和工程能力在不斷提升。就AI領域而言，中美目前是兩大主要陣營，中國做得并不比美國差。“之前傳統的多因子模型國外做得很成熟，海外機構挖掘出很多有效的因子，但發展到目前的非線性階段。量化模型質量的提升就要靠科研能力和工程能力不斷提升了。科研能力會隨著技術的迭代逐漸進步，目前國內的技術迭代也很快。”
二是量化基金經理的邊界優勢。李子昂表示，量化基金經理的覆蓋面本來就是全市場的，并沒有對某個行業或賽道有過多偏好，也不存在某一類特定風格偏好，更專注于全市場超額收益挖掘。但這并不意味著量化基金經理會比較輕松，依然是要全身心投入、全力以赴的。“量化投資非常注重團隊配合，不會把業績歸因到某個人身上。因為因子開發是團隊協同的結果，雖然每個人都可能開發出很好的因子，每個人也都可能有很好的模型，但最終要以集體智慧呈現出來。因此，相較個人，量化團隊整體對業績的貢獻程度可能更高一些，因為需要大量集體配合，去達到一個滿意的效果。”