中国基金报记者 曹雯璟
随着市场回暖，公募量化基金策略显效，量化基金近一年平均业绩接近40%，并涌现多只“翻倍基”。与此同时，人工智能的崛起为量化投资注入了新动能。
多位业内人士表示，今年以来市场比较活跃，有利于量化策略发挥。而且，AI可直接提升量化投资策略开发过程中的代码编写效率，AI智能体的运用也有助于启发量化策略开发思路。
业绩最高超123%
近一年来，量化产品业绩出色。Wind数据显示，截至8月8日，主动量化产品中，诺安多策略A近一年累计单位净值增长率超123%，汇安成长优选业绩也已翻倍；中欧小盘成长A、信澳星亮智选A、银华专精特新量化优选A、广发量化多因子近一年业绩均在80%以上。
在量化指增产品中，创金合信北证50成份指数增强A近一年业绩涨幅超103%，招商中证2000增强策略ETF涨超96%；华泰柏瑞、银华、招商、海富通旗下的中证2000指数增强或增强策略ETF近一年业绩均超80%。
西部利得基金量化投资总监盛丰衍表示，近年来量化基金表现较好，主要有两个影响因素：一是小市值风格持续强势，使得对小市值风格有暴露的量化基金业绩持续优异；公募量化基金相对偏股混合指数的超额始于去年9月，至今中证2000指数超额偏股混合指数32%。二是结合AI的量化策略能够持续地挖掘Alpha。
民生加银量化投资部总监何江认为，一是今年以来的市场表现比较符合历史规律，因此通过历史数据学习的模型能够较好地把握住机会；二是市场交易热度较高，日成交超万亿元成为常态，很多交易日的成交金额甚至接近或达到2万亿元，有利于量化策略捕捉超额收益；三是今年以来小盘股表现强势，那些在小市值因子上有暴露的量化基金获利丰厚；四是量化投资策略不断迭代精进，新技术驱动的策略表现强劲。
细节上不断迭代
在操作层面，多位基金经理表示，后续会延续现有的多因子模型框架，同时做好组合优化与风控，在细节上不断迭代。
据博道基金量化投资总监杨梦介绍，量化运作流程包括三大块：收益预测、组合生成、交易模块。在收益预测层面，自己采用的是双均衡的多因子模型框架，即传统多因子模型和AI全流程框架均衡、因子配权均衡，类似于主动管理中的均衡型选手；组合生成部分，今年进一步迭代上线了自研的组合优化与风控系统，在最大化收益预测能力的前提下，尽量把背后承担的超额波动降到最低；交易模块主要是日常交易，包括系统化出单等。
针对不同的产品，在实际运作过程中，根据策略基准的不同，模型体系也存在差异化。“比如博道沪深300指增和博道中证1000指增，业绩基准分别是沪深300指数和中证1000指数，我们会把这个基准作为对应产品模型的输入参数，后续在整个模型运作的时候，会充分考虑模型在基准选股域中的有效性，对于不同产品会做微调。也就是说，虽然面对不同的选股域，适配的底层因子的逻辑表达变量可能不一样，但是，我们没有把这种差异，通过简单‘拍脑袋’来实现，我们会让整个模型体系自适应地寻找差异化。”杨梦谈道。
盛丰衍认为，量化基金在小市值领域中深耕有策略优势，这个优势会继续维持，结合AI的量化策略也持续迭代。在此基础上，更看重下行Alpha的获取。在经历过数轮周期后发现，下行Alpha优异的基金，持续新高能力强，回撤相对较小，基民实际收益更贴近基金收益。
AI为量化投资注入新动能
在金融市场的激烈竞争中，量化投资正以前所未有的速度进化，人工智能的崛起为其注入了全新动能。
据盛丰衍介绍，人工智能在量化策略中的应用场景主要有三种：一是多因子叠加，即应用机器学习算法，对因子组与收益间的关系建模，挖掘非线性关系的能力更强；二是利用深度学习算法，在高频量价原始数据中挖掘有效因子，相较于传统方法可以更好地挖掘量价时序特征；三是文本分析，即使用自然语言处理技术，对海量的研报、新闻等原始文本数据进行分析处理，相较于传统方法，可以不带偏见地处理数据。
杨梦介绍，目前在公募领域，通过机器学习去做AI量价因子挖掘、因子合成、因子配权，已经是非常成熟的应用场景。
何江介绍，人工智能算法在量化投资策略开发中广泛应用，包括各种树模型和神经网络类模型。大语言模型在辅助编程上显示出强大的能力，可直接提升量化投资策略开发过程中的代码编写效率，给量化策略开发带来新的思路。
记者了解到，目前公募量化团队真正做到AI全流程端到端框架的并不多。AI应用更多是在传统框架中实现某个特定功能。“我们对AI框架做了很多研究，但AI框架仍然不会压倒性地战胜传统框架。我们选择两种框架并行，希望能获得相对持续稳健的超额回报。”杨梦说。
