AI重塑公募量化投资生态

【导读】拓展量化投资应用边界，提升非结构化数据处理能力，AI重塑公募量化投资生态

中国基金报记者 方丽 陆慧婧 张燕北

近年来，人工智能（AI）技术迅猛发展，正以前所未有的深度和广度渗透至金融领域。今年以来，多家头部基金公司官宣将人工智能融入日常的量化投资策略中，部分机构更是推出了主打AI策略的量化基金。

多位业内人士表示，随着AI渗透率的提升，非结构化数据在因子挖掘中的贡献度也在同步增长。DeepSeek等大模型的崛起，更是让卫星图像分析、产业链情绪图谱构建等应用成为现实，为投资策略创新打开了新空间。

与此同时，AI的快速迭代也带来了同质化、模型过拟合、市场突变适应等挑战。在这场AI引发的行业变革中，人类经验与机器智能的协作模式成为行业共识，而复合型人才的需求、技术门槛的演变以及被动化投资与AI的叠加效应，正在重塑量化投资生态。

提升非结构化数据处理能力

AI技术正在深刻改变各个行业的面貌。从医疗到交通，从制造业到金融服务，AI的影响力无处不在。

在金融领域，将AI技术融入日常策略之中正成为各家公募基金量化投资团队的最新尝试。近日，富国基金推出“AI+量化”的富国致盛量化选股股票型基金，安信基金经理施荣盛以机器学习算法为研究重心，汇添富基金量化投资团队上线了AI类策略等。

毫无疑问，AI技术正在为量化策略开发打开“第二增长曲线”。据海富通基金量化投资部介绍，传统量化策略近几年越来越拥挤。大语言模型能够处理之前很难被运用的非结构化数据，给量化策略带来了新的Alpha来源。“例如，我们团队使用了大语言来分析市场上海量的新闻、研报信息，给个股每日更新的情绪打分，这个打分作为一个因子，应用在量化模型中，取得了超越传统基本面因子的效果。”

据华泰柏瑞量化与海外投资部人士透露，该团队多年前已应用自然语言处理技术分析金融文本。在他们看来，当前这波AI浪潮的显著特点是较大提升了处理非结构化数据（如新闻、报告、社交媒体信息）的能力，深化了对复杂信息的理解，并降低了高级分析的门槛，为投资研究提供了更强大的武器。

国金基金量化投资中心副总经理马芳表示，国金基金量化在AI方面的应用和实践可以追溯到2015年，2016年开始的实盘量化产品是基于机器学习的框架实现的。

多位受访人士同时强调，在AI技术的赋能下，量化投资传统方法与新技术将互补共生，传统数学建模与金融工程的基石地位并未动摇。

浙商基金智能权益投资部副总经理胡羿直言，传统的数学建模和金融工程奠定了量化投资的基础，在风险控制、理论框架构建方面仍具有不可替代的作用。AI则专注于数据挖掘，拓展量化投资的边界。

西部利得基金表示，尽管AI技术为量化投资乃至整个投资行业都带来了颠覆性的影响，但传统方法可能不会这么快就失效，还是会有许多逻辑清晰、理论扎实的投资方法论或定价因子在AI时代保持有效性。

人类经验和判断力仍是核心

虽然不少资管机构积极拥抱AI，但在提升策略迭代效率的同时，他们也面临数据噪音、过拟合、市场环境突变等问题。不少人士直言，人类经验和判断力在AI赋能中依然是核心。

“推理模型目前只能作为投资辅助，不能直接用在投资上，能力还显不足。AI智能投资团队曾做过试验，将近期新闻、市场行情变化、卖方研报等‘喂给’DeepSeek，让它做投资判断，结果超额收益并不显著。DeepSeek投资思维深度比过去的通用大模型更强，但比训练多年的本地细分模型要低，能力还需要进一步提升。另外，目前大模型存在‘幻觉’问题，引用虚构数据，因此机构只能有限制地使用它。”浙商基金智能权益投资部副总经理胡羿表示，为了避免大模型过于依赖历史数据，人本身给他的经验知识也是非常重要的。“我们过去在做AI模型的时候，不是纯数据驱动，需要跟主动研究员交流经济学逻辑、建立模型，对于A股市场会更加适合。”

华泰柏瑞量化与海外投资部人士也表示，数据噪音、模型对历史数据的“过拟合”、市场结构性突变以及AI本身可能存在的“幻觉”、偏见等问题，都要求我们在AI应用中保持警惕。因此，人类的经验和判断力在AI赋能的量化投资中依然是核心和关键。

此外，西部利得基金也表示，投资是非常复杂的系统工程，且高度依赖逻辑推理。如果只是盲目地问“明天哪只股票涨得好”，没有模型能回答准确。“应用AI需要理解AI做出决策的逻辑，知道AI赚的是什么钱”。

加大对人才结构的调整

西部利得基金表示，量化大厂在未来有望成为AI大厂。“我们有‘T型人才’的概念：一横代表在广泛的领域都有涉猎，一竖代表在某一个特定领域有极深的钻研。因此我们并非简单地根据背景把人划分成金融或科技，而是要求所有团队成员都至少会使用AI，进一步掌握AI技术。”

胡羿也表示，传统量化团队需调整组织架构以适应新需求。一方面，引入算法工程师、AI伦理专家等科技人才，加强技术研发能力；另一方面，保留和培养具有深厚金融背景的人才，发挥其对市场的理解和投资经验优势。在人才比例上，应根据团队的业务方向和发展阶段灵活调整，初期可适当增加科技人才投入，后期注重两类人才的平衡与协作。

“随着AI技术在量化领域的不断应用，这两年量化团队都更倾向于招聘有AI算法背景的人才，最倾向于既懂算法、又懂量化的复合型人才。DeepSeek等AI工具的发展，给了一些中小型团队参与竞争的机会。例如，之前大公司会雇用大量量化研究员来挖因子，现在小团队使用大语言模型+遗传规划算法，可以大大提高因子挖掘的效率。利用好AI工具，中小团队也有弯道超车的机会。”海富通基金量化投资部表示。

值得一提的是，DeepSeek等AI工具将引发行业竞争格局的变化。

胡羿表示，DeepSeek这类工具会在一定程度上降低策略研究门槛，使更多机构能够开展复杂的量化研究。这将引发行业竞争格局的变化，具备技术优势和数据资源的机构将更具竞争力，行业集中度可能提高。但同时，也促使各机构加快创新步伐，寻找差异化竞争优势。

对此，华泰柏瑞量化与海外投资部人士认为，DeepSeek这类工具能够降低策略研究在操作性和工具性方面的部分门槛，但核心策略研究的门槛并未降低，甚至可能在某些维度上被抬高。这些核心门槛包括：获取独特、高质量、合规的数据资源的能力；产生真正创新性的、基于深刻市场理解的投资洞察和策略逻辑的能力；将AI模型有效融入复杂投研流程，并进行严格风险管理和验证的能力；构建稳定、高效、可扩展的技术架构和数据治理体系的能力；吸引、培养和留住顶尖复合型人才的能力。

“那些能够快速适应变化，成功将AI深度整合进自身核心投研体系，并形成独特人机协作优势的机构将脱颖而出，而无法跟上技术变革或仅停留在表面应用的机构可能会被边缘化。另外，客户和市场对量化机构的期望会普遍提高，客观上会抬高行业的整体竞争门槛。”华泰柏瑞量化与海外投资部人士表示。

或在于小模型应用能力

在业内人士看来，即使未来通用人工智能（AGI）实现突破，量化投资完全由AI主导的可能性也不大。展望未来，行业努力的方向或在于探索和建立安全合规且成本可负担的共享算力基础设施。

西部利得基金指出，市场仍然是高度非线性、动态变化的。即使AGI有极强的学习推理能力，当面临市场这个复杂系统时，预测能力仍然会受限。因此，投资由AI主导的可能性很低。

海富通基金量化投资部认为，即使未来AGI实现突破，推动量化投资全流程AI自动化，但监管、风险等因素限制其完全主导，未来更可能呈现AI决策与人类监管相结合的模式。未来3~5年，量化投资可能会借助强化学习、解释性AI、多模态数据融合和超低延时交易等技术不断突破。

谈及未来AI与量化投资结合最值得关注的技术趋势，胡羿认为，一是智能体技术的发展；二是对非结构化数据的深度挖掘和应用；三是强化学习在量化投资中的应用，通过不断试错优化投资策略，提升投资绩效。

华泰柏瑞量化与海外投资部人士认为，AI与量化投资结合是值得关注的趋势，但并非某个单一算法的突破，而是如何解决阻碍先进AI技术广泛应用的“算力壁垒”问题。未来几年关键的趋势和努力方向在于探索和建立新型的、安全合规、成本可负担的共享算力基础设施。

在被动化投资兴起与AI浪潮的叠加效应下，量化投资迎来机遇，也面临挑战。在马芳看来，被动投资的普及提升市场有效性，对超额收益是负向影响，生产工具的改进有可能带来超额的提升。两方面共同作用之下，随着市场充分竞争，有效性提升，超额收益将是递减的。

海富通基金量化投资部表示，在被动化投资浪潮下，越来越多投资者关注到了指数增强类产品。而AI量化具有的高胜率、低波动等特点，和指数增强策略是天然适配的。当然，随着更多的团队开始使用AI技术，策略的同质化也会加剧，这一方面会带来Alpha收益的下降，也会在市场极端情况下放大策略波动。

西部利得基金表示，对于资本市场而言，或可期待更多的创新性产品涌现。

华泰柏瑞量化与海外投资部人士表示，市场效率可能发生复杂演变，信息处理更快，但也可能出现新的动态；主动与被动投资将共生演化，AI将推动两类策略内部的创新，对资产管理机构的综合能力要求将全面提升；确保AI技术公平可及、维护市场生态健康将变得更为重要。

胡羿称，未来公募基金之间的竞争关键在于小模型的应用能力，就像在电脑软件普及后，大家基础工具相同，比拼的是细节处理能力。在投资领域，小模型可针对特定金融场景、行业需求，与大模型协同工作，挖掘更精准、有效的投资信息。此外，随着量化投资规模扩大，监管难度也将增加，需建立更完善的监管体系以保障市场稳定。

版权声明

《中国基金报》对本平台所刊载的原创内容享有著作权，未经授权禁止转载，否则将追究法律责任。

授权转载合作联系人：于先生（电话：0755-82468670）

百亿A股，业绩“大变脸”！