中国基金报记者 李树超 续高
“从线性到非线性，我们所做的无非是更好地认知世界，探索市场的未知。量化投资是在广覆盖的股票、大量的数据中寻找市场规律，AI特别是深度神经网络模型的发展，则是通过对超大量数据非线性特征的提取，挖掘出Alpha，以力争提升投资收益。”谈及AI选股策略的作用，泓德基金AI Lab负责人李子昂作出上述表示。
AI选股策略提取Alpha
力争实现超额收益
近日，证监会副主席李超在2023金融街论坛年会上表示，“要培育一流投资银行和投资机构，相关市场主体要高度认识金融科技数字化转型对业务的支持和赋能作用，进一步提升金融机构数字化水平。”
科技赋能数字化转型，正在为公募基金提升核心投研能力带来积极效果。
李子昂介绍，今年4月,由总经理牵头，泓德基金正式成立AI Lab人工智能实验室，开展AI策略开发，为基金组合策略赋能。目前，泓德基金针对中证500、中证1000、国证2000、中证2000等指数都进行了模型跟踪和调优，从产品线和业务角度做出前瞻性布局。
作为泓德基金AI Lab负责人，李子昂经验丰富，证券从业10年，投研经验已有9年。他是美国哥伦比亚大学理学硕士毕业，曾任北京隆慧投资公司投资经理、华商基金量化研究员、泰达宏利基金风险管理与基金评估部助理专员。2019年加入泓德基金，任特定客户资产投资部投资经理，现任泓德基金AI Lab负责人。
投资框架方面，他利用AI选股策略通过深度神经网络挖掘量价中的Alpha特征，用深度学习方式解决传统模型因子挖掘和因子合成的过程，更好地提取高频特征中隐含的Alpha，力争实现超额收益。
事实上，在权益市场低迷阶段，部分量化投资的亮眼表现已受到市场关注。
在李子昂看来，投资收益分成Alpha和Beta两部分，部分量化收益突出有其背后的逻辑：Beta方面，中证500、中证1000等指数相比前期有出色表现的茅指数、宁组合要更好一些；Alpha方面，部分机构利用更多偏交易的数据和一些新方法，从更广阔的数据中提炼出更多的Alpha，这也在超额收益上有所体现。
不过，李子昂在AI选股策略中更加专注Alpha挖掘，不会作极致暴露来获取收益。他非常重视资产配置和分散投资对改善组合风险收益特征的作用，力争降低风格择时的风险。
积极融入AI时代
随着AI和深度学习的快速发展，传统多因子模型策略受到挑战，一些基本面因子在Alpha挖掘上出现波动，甚至有些长期稳定的Alpha因子变成了偏Beta因子。
李子昂表示，在新的挑战下，从业者在不断寻找新的信息和框架去优化模型。比如，一些投资者可以从交易信息里挖掘增量信息或超额收益特征，利用神经网络模型拟合函数，对整个组合特征进行提取和未来预测，也取得了不错的效果。
“传统量化模型大多是基于线性设立的，但越来越多的人意识到市场上非线性逻辑也可能带来Alpha。能够实现多种非线性特征提取的AI模型，特别是神经网络的模型自然而然就派上了用场，深度神经网络在处理并提取隐含其中的Alpha特征中发挥了重要作用。”
他认为，当前，AI技术给量化投资带来的强大助力可分为两方面，一方面是通过AI可以提取超大量数据中的非线性、非显性因子Alpha；另一方面，AI模型能够帮助处理更多的非结构化的数据。
“我们要积极拥抱AI时代，努力尝试接触AI、利用AI提升工作效率，获得更多的知识和信息，这样才能跟上科技数字化发展的步伐。”
具体到投资角度，李子昂表示，投资收益可以分解为估值和盈利两个方面。现阶段，主流宽基指数的估值都处于较低位置，在低估值行情下，企业盈利若能保持不错的增速，将产生长期较好的投资机会，在短期估值偏离后会出现较大的修复空间。
在大量AI技术应用和落地的背景下，AI是否会取代基金经理也受到业内关注和讨论。
对此，李子昂表示，AI取代基金经理的前提逻辑是AI能够自己做投资。目前来讲，AI可以辅助投资，但不能自己主动设计新的量化模型去适应复杂多变的市场环境，它体现的是模型设计者的智慧和想法。
