当深刻体悟到自身的局限，我们寄望于科技来探索未知，只是大多数人还心存疑惑：量化的边界在哪里？AI能帮助主动投资飞多高？多远？没有现成的答案。但李子昂和泓德基金的AI Lab团队，正不断尝试着寻找更好的方向。

人生是旷野，而不是轨道。投资亦如是。2023年，太多市场参与者迷失在这片旷野上。

当深刻体悟到自身的局限，我们寄望于科技来探索未知，只是大多数人还心存疑惑：量化的边界在哪里？AI能帮助主动投资飞多高？多远？

没有现成的答案。但李子昂和泓德基金的AI Lab团队，正不断尝试着寻找更好的方向。

从线性到非线性 量化投资拓展边界

国际象棋中的深蓝、围棋中完胜国手的阿尔法狗......一想到AI，这些激动人心的应用让人浮想联翩。

落实到量化领域，AI的加入究竟能在多大程度上赋能投资？对此，泓德基金AI Lab负责人李子昂表示，从线性到非线性，AI的加入使量化投资加快更新迭代，呈现出一个百花齐放的状态。

“量化的本质核心其实是基于统计规律去做投资，其实主动投资也是结合历史形成对未来的预期和判断。”李子昂解读道，“我们在海量数据里寻找未来能够赚钱的一些规律，然后再根据这些规律去做投资”。

李子昂讲述，一开始，常用的量化模型都是偏线性的多因子模型，通过不同的维度来寻找一些有赚钱效应的因子，到后来，人们发现一些看似和股市无关的信息也可以拿来建模，市场好像也并不完全是依照线性思维来运作，人们就开始引入一些非线性的数据，比如天气对股市的影响、基金经理颜值与投资回报的关系等等，各种各样非结构化的数据都可以通过AI方式去学习，寻找可能产生超额收益的因子。

“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。”李子昂表示，“有了AI的加入，现在很多模型已经能够产生相对稳定的超额收益，但是目前还远远没有达到最好的效果。如果有一天AI真正具备了智能，能够像人一样做决策或者是自己去设计自己的模型，世界又是另外一个样子。但在现阶段，AI背后体现的还是人的智慧，所以我们要不断激发灵感迭代模型，战胜过去的自己”。

从集中到分散 超额收益有待挖掘

量化投资得以重归投资者视野，基于特定的市场环境。

2023年以来，集中押注、赛道投资的方法在持续调整和极致轮动中遭遇重挫，Beta的缺失拖累了大多数主动权益基金的表现。在市场风格重归混沌之际，以分散为特征、着重挖掘市场Alpha的量化投资却找到了适合发展的土壤，走出了独立于市场的表现。

由此也带来两个问题：一是量化的超额收益会否随着市场风格变化而减少？二是怎样才能在AI量化中脱颖而出？对此，李子昂有着清晰的认知。

“通过数据回测，我们可以发现在震荡市中，AI量化通常有不错的超额收益，但也有一定的例外情况：比如极致的上涨市，由于Beta因子的过度体现，或者上涨个股过度集中，使得以分散投资为核心的量化阶段性失效；二是在市场流动性相对比较差的时候，也会给AI量化带来一定的挑战；三是当策略的迭代出现放缓、同质化策略越来越多的时候，超额收益也会有所下降。”

也正因为这样，想要在AI量化中脱颖而出，对基金经理提出了更高的要求。

“真正让我们的模型不断保持先进性的原因只有一个，就是要不断地去迭代模型，让模型能够更好地去学习到市场的规律。所以，任何时候都要努力去做新的、更好的模型，才能够在一定程度上抵御这些模型的失效。”李子昂表示。

从现在到未来 创新激发更多可能

从美国哥伦比亚大学理学硕士到证券投资行业，从量化研究员到泓德AI Lab负责人，拥有10年证券从业经验、9年投研经验的李子昂有幸遇上了一个AI量化蓬勃发展的时代，能够充分施展所长。

“我们的AI Lab建立得比较早，一开始是基于研究的目的，想引入市场上AI的先进技术赋能投研，现在的逻辑是去做AI的选股。”李子昂表示，具体而言，通过深度神经网络挖掘高频量价中的Alpha特征，用深度学习方式实现传统模型因子挖掘和因子合成的过程，从而更好地提取高频特征中隐含的Alpha。

“既然名为Lab，我们更多希望整个团队是一个研究型的团队，能够做一些创新的东西出来。做好AI投资一定要同时具备科研精神和工程能力，保持研究的热情对团队成员来说非常重要。”

当下投资者应当怎样去选择量化产品？或者选择量化团队？李子昂表示，如果现在这个时间点去做量化投资，有两点值得重视：

“一是投资者对于beta端的认可。例如，当前中证500指数的估值分位不到30%。未来如果有一轮牛市，beta端的收益可能相对可观；二是alpha端，投资者要去考察哪些模型和方法论适合做alpha，这件事情是相对比较重要的事情。选择量化团队也要看其实现alpha的能力，剔除行业收益和风格收益之外，纯alpha的收益到底是多少，这也是量化团队之间差异和优势所在。”