赢视界 | AI赋能公募基金量化投资

多客科技

作者：微信文章




1950年，英国数学家阿兰·图灵发表了划时代的论文《Computing Machinery and Intelligence》（《计算机器与智能》），提出著名的图灵测试来探讨机器是否具有智能，而图灵测试标志着人工智能概念的雏形。1956年麦卡锡在学术讨论会上首次提出“人工智能”（Artificial Intelligence）这一术语，标志着人工智能正式诞生。随后伴随着机器学习、神经网络、深度学习等算法的发展以及互联网数据量爆发式增长，人工智能于21世纪迸发出新的活力，能够通过海量数据中自动提取高层次特征，完成推理决策。

在公墓基金领域，AI应用也越来越广，尤其在量化投资方面：众多基金公司积极引入AI技术和人才，助力投资能力提升，例如国内有些基金公司目前正发力AI应用，其指增产品正逐渐从传统基本面量化转向以AI策略为主的增强策略，并取得一定成效。

国内某基金公司的量化团队在此背景下发展迅速，指增产品线逐步完善，已覆盖沪深300、中证500、中证1000等宽基指增和消费、科技、医药、高端制造等行业指增产品，后续还会推出以AI量化策略为主的产品。

投资策略方面，该量化团队采用量化多因子模型和AI深度学习模型相结合的投资方法。传统量化多因子模型主要以低频财务基本面、人为可理解，逻辑性强的特征及预期数据构建。从2021年开始，基本面因子逐渐出现Beta化现象，例如去年很强的红利类因子也逐渐Beta化，纯Alpha收益越来越难获取，量化团队进而对策略进行了升级迭代，形成了AI深度学习策略。目前，他们将AI策略逐渐应用到宽基指增产品中，其发行的中证1000指增中AI占比达到50%，有效提升了超额收益的稳健性。

图1：该基金公司的传统量化策略与AI量化策略对比



数据来源：来源于公募基金公开数据分析，华西证券财富管理部

深度学习模型主要通过非线性工程去构建股票间的高维关系图谱，捕捉传统基本面类策略无法捕捉的特征。目前国内有基金公司的AI量化模型具体按照预测时长分为三类：长期日间预测模型、中期日间预测模型、高频日内预测模型。中长期日间预测模型基于全市场日频和日内30分钟线等行情数据及其他另类数据进行构造特征：长期模型训练周期达到8年以上，预测区间40天以上，捕捉长期股价规律；中期模型训练周期在4年以下，预测区间5天以内。高频日内预测模型通过全市场tick级别数据和日内5分钟行情数据进行特征构建，分别预测上午、下午、隔夜三个时间区间，然后通过集成方式生成最终日内模型。日内模型与日间模型相关性较低，可有效规避短期市场结构或风格发生大幅切换导致的回撤，例如在2024年2月份，机器学习模型和基于遗传算法构建的高频量价因子都在微盘崩盘期间回撤较大，而日内AI模型要稳健很多。

图2：某基金公司AI指增策略日内模型生成框架



数据来源：某基金公司的策略说明、华西证券

风险模型方面，量化团队引入深度学习模型群监控，基于不同预测窗口所构建的模型推理，通过模型间相关性去判断市场风格切换，事前去调整策略敞口，从而有效提升模型的稳健性和规避敞口风险。

除此以外，量化团队为了提升AI策略的有效性，在硬件方面也进行了改造和升级。在高频数据输入及实时处理方面，例如有些基金公司采用dolphinDB数据服务，而dolphinDB是一款高性能分布式时序数据库，提供一站式大数据解决方案，响应速度快，通过接入通联数据库，实现level2数据盘中实时处理，形成高频数据特征计算、特征性能跟踪、特征动态筛选一套完整的特征生产和清洗体系，为模型提供高质量、高频率、高信噪比的市场信息，实现在线任务的推理和预测。总体而言，AI策略模型在数据处理系统支持方面具有一定优势。

目前AI已经较为成熟地应用到公募量化投资领域，未来随着ChatGPT，DeepSeek的快速发展，公募基金行业也将加紧推进AI战略，有望为广大投资者带来更多质量服务和投资回报。

（财富管理部 范英杰）

免责声明：本内容仅供参考，撰稿人员的内容因时间、相关专业范围有限等各种因素具有一定的局限性，不作任何保证；本公司不对因本内容而引发的任何直接或间接损失承担任何责任；撰稿人员力求原创，十分不易，未经授权不得转载，内容如有不妥，联系删除。市场有风险，投资须谨慎。

秉承华西证券“精益求精、艺无止境”的专业理念，“赢视界”专栏聚焦当下宏观、股市、数据、财富管理、信用投资和家庭理财等热点内容，通过在大类资产配置和资产再平衡等方面提供有价值的解决方案，提升员工多元化财富管理能力，做好“授人以渔”的专业支持后盾。

本栏目稿件均由公司财富管理部员工自主撰写，如果您对栏目内容有更多建议或感悟，欢迎留言。

让我们以公司倡导的乐学践行之风，主动学习、快乐学习。