隨著人工智能（AI）技術(shù)不斷成熟和投資理念持續(xù)革新，公募量化投資迎來前所未有的發(fā)展機(jī)遇。數(shù)據(jù)與算法正在重塑投資決策的方式 ，一場深刻的行業(yè)變革已經(jīng)到來 。

　　目前，越來越多的基金公司將AI技術(shù)深度植入投資決策核心
，尤其量化投資已由傳統(tǒng)量化全面向AI量化進(jìn)軍。

　　“AI軍備競賽 ”持續(xù)升溫

　　在公募行業(yè)，“AI軍備競賽”持續(xù)升溫
。

　　據(jù)了解 ，為應(yīng)對行業(yè)降薪降費(fèi)和人才流失帶來的挑戰(zhàn)
，一家國企背景的中型公募已開始整體推行以AI技術(shù)為基礎(chǔ)的投研體系改革，并將主動權(quán)益部與指數(shù)量化投資部進(jìn)行整合。隨著數(shù)據(jù)平臺與投研平臺打通 ，公司大部分新基金都以量化為底
，產(chǎn)品工具化率超過70% 。據(jù)該公司相關(guān)部門總經(jīng)理介紹，接下來將繼續(xù)投入 ，預(yù)計(jì)2026年將完成從數(shù)據(jù)平臺到智能投研的升級
。

　　據(jù)其透露
，隨著行業(yè)整體走向工具化、指數(shù)化，主動管理能力被弱化 ，疊加費(fèi)率不斷下降
，留住優(yōu)秀人才更加困難。中小基金公司面臨巨大壓力，缺乏平臺優(yōu)勢難以應(yīng)對競爭 ，因此，公司著力構(gòu)建了“數(shù)據(jù)平臺+策略工廠
”雙引擎
，旨在形成差異化競爭力 。

　　相對而言，大部分公司的AI轉(zhuǎn)型在量化部門內(nèi)部進(jìn)行
。一家銀行系公募的量化投資部幾年前便啟動改革 ，由傳統(tǒng)量化全面升級為AI量化。

　　“傳統(tǒng)量化模型只能處理標(biāo)準(zhǔn)化數(shù)據(jù)
，如財(cái)務(wù)指標(biāo) 、量價(jià)，而AI量化能消化研報(bào)文本、行業(yè)政策
、社交媒體情緒等 ，這些才是超額收益的真正來源 。”談及AI量化轉(zhuǎn)型的初衷
，上述銀行系公募量化投資部負(fù)責(zé)人表示，公司旗下指數(shù)增強(qiáng)產(chǎn)品在采用AI策略后 ，超額收益顯著提升
，這證明了AI量化模型在選股方面的優(yōu)勢，即能夠發(fā)現(xiàn)更多被錯誤定價(jià)的投資機(jī)會
。

　　不過 ，在AI賦能投資上
，各家公司的路徑不盡相同。例如，一家頭部基金公司主要嫁接海外成熟算法框架 ，初期見效很快，但規(guī)模擴(kuò)大太快后超額收益衰減明顯 。也有公募量化團(tuán)隊(duì)用AI模型+傳統(tǒng)線性模型加權(quán)融合
，即AI輔助傳統(tǒng)量化模型
。

　　“在有的公募量化團(tuán)隊(duì)中，AI模塊主要用來做行業(yè)輪動 ，因子權(quán)重仍由人工設(shè)定
，算不上真正的端到端學(xué)習(xí)。前幾年這種策略一度盛行，不少量化基金獲得相當(dāng)亮眼的超額收益 ，但是
，去年有些產(chǎn)品因暴露的行業(yè)風(fēng)險(xiǎn)敞口過大吃了大虧，現(xiàn)在轉(zhuǎn)向約束條件強(qiáng)化 。 ”北京一家中小型基金公司內(nèi)部人士表示。

　　此外 ，也有量化團(tuán)隊(duì)主要用AI模型尋找傳統(tǒng)多因子量化模型難以找到的特殊因子
。

　　數(shù)據(jù)成決定差異化的關(guān)鍵

　　在AI量化投資中
，數(shù)據(jù)成為決定差異化的關(guān)鍵。

　　“大家的AI量化模型策略算法都差不太多，無非是學(xué)習(xí)和應(yīng)用水平上的差異 ，核心在于數(shù)據(jù)的質(zhì)量 。
”上述銀行系公募量化投資負(fù)責(zé)人表示
，非結(jié)構(gòu)化數(shù)據(jù)處理能力是關(guān)鍵，即給模型提供更高信息密度的數(shù)據(jù) ，尤其是非結(jié)構(gòu)化的輿情和情緒類的數(shù)據(jù)
。

　　“例如，公司內(nèi)部研究員調(diào)研紀(jì)要、專家路演中的口語化描述
，甚至上市公司突發(fā)輿情，如高管變動 、供應(yīng)鏈風(fēng)險(xiǎn)等 ，通過自然語言處理（NLP）技術(shù)轉(zhuǎn)化為結(jié)構(gòu)化信號
，這才是人腦難以快速處理的信息‘富礦’。”在這位負(fù)責(zé)人看來，投資效率提升的核心是把非結(jié)構(gòu)化信息流水線化 。

　　上述中型公募部門總經(jīng)理表示 ，公司內(nèi)部數(shù)據(jù)平臺的核心升級是整合內(nèi)部非結(jié)構(gòu)化數(shù)據(jù)
。“我們建立的數(shù)據(jù)平臺已整合內(nèi)部非結(jié)構(gòu)化資產(chǎn)
，包括研究員筆記
、電話會議錄音、未公開的行業(yè)專家觀點(diǎn) 、產(chǎn)業(yè)鏈群聊記錄
、跨市場輿情關(guān)聯(lián)等，大模型的核心任務(wù)是將這些碎片化的情報(bào)轉(zhuǎn)化為可量化的因子。 ”

　　業(yè)內(nèi)人士表示 ，給機(jī)器學(xué)習(xí)模型提供有意義的數(shù)據(jù)
，往往需要專業(yè)團(tuán)隊(duì)帶有經(jīng)驗(yàn)性的判斷 。基于對市場的理解，選擇對未來走勢有價(jià)值的特征數(shù)據(jù)供模型學(xué)習(xí) ，而不是將所有數(shù)據(jù)都輸入模型
，這是形成差異化的關(guān)鍵
。

　　雖然量化投資跟隨技術(shù)發(fā)展不斷“升級打怪
”，但依然面臨諸多挑戰(zhàn)。例如 ，客戶忠誠度不高，只關(guān)注業(yè)績曲線
，不像價(jià)值投資有信仰加持的可能性，一旦業(yè)績出現(xiàn)波動 ，產(chǎn)品規(guī)模可能快速縮水 。因此
，量化投資必須想方設(shè)法爭取更多超額收益
。

　　“如果說主觀投資的優(yōu)勢是認(rèn)知，那么 ，量化的優(yōu)勢就是廣度和紀(jì)律性。”上述業(yè)內(nèi)人士稱
，“AI量化能夠覆蓋全市場5000多只股票，不受情緒影響 ，嚴(yán)格遵守投資紀(jì)律
，這正是其在市場競爭中的核心優(yōu)勢 。 ”

（文章來源：中國基金報(bào)）