AI選股策略提取Alpha
力爭(zhēng)實(shí)現(xiàn)超額收益
近日，證監(jiān)會(huì)副主席在2023金融街論壇年會(huì)上表示，“要培育一流投資銀行和投資機(jī)構(gòu)，相關(guān)市場(chǎng)主體要高度認(rèn)識(shí)金融科技數(shù)字化轉(zhuǎn)型對(duì)業(yè)務(wù)的支持和賦能作用”，“要進(jìn)一步提升金融機(jī)構(gòu)數(shù)字化水平。”
金融機(jī)構(gòu)通過科技賦能數(shù)字化轉(zhuǎn)型，正在對(duì)公募基金的核心投研能力提升產(chǎn)生積極成效。以泓德基金為例，基于對(duì)AI選股策略的重視，泓德基金于2019年起開始跟進(jìn)，2022年底就在籌備AI實(shí)驗(yàn)室，今年4月份,由泓德基金總經(jīng)理親自牽頭，正式成立了AI Lab人工智能實(shí)驗(yàn)室，主要做AI策略開發(fā)，為基金組合策略賦能。目前，泓德基金針對(duì)中證500、中證1000、國(guó)證2000、中證2000等指數(shù)都在做模型跟蹤和調(diào)優(yōu)，從產(chǎn)品線和業(yè)務(wù)角度做出了前瞻性布局。
近日，泓德基金AI Lab負(fù)責(zé)人李子昂暢談了他目前負(fù)責(zé)的AI策略工作。
李子昂是美國(guó)哥倫比亞大學(xué)理學(xué)碩士畢業(yè)，曾任北京隆慧投資有限公司投資管理部投資經(jīng)理、華商基金量化投資部量化研究員、泰達(dá)宏利基金風(fēng)險(xiǎn)管理與基金評(píng)估部助理專員。2019年加入泓德基金，曾任特定客戶資產(chǎn)投資部投資經(jīng)理，現(xiàn)任泓德基金AI Lab負(fù)責(zé)人。目前證券從業(yè)年限10年，投研經(jīng)驗(yàn)已有9年。
在學(xué)生階段，他的研究領(lǐng)域就是神經(jīng)網(wǎng)絡(luò)模型工作，當(dāng)時(shí)神經(jīng)網(wǎng)絡(luò)模型還沒有展現(xiàn)出當(dāng)今如此強(qiáng)大的能力。不過，直到近幾年，國(guó)內(nèi)金融機(jī)構(gòu)開始逐漸應(yīng)用AI挖掘因子，特別是應(yīng)用神經(jīng)網(wǎng)絡(luò)方式挖掘出相對(duì)有效和穩(wěn)定的因子，并應(yīng)用于量化投資。也正是在這個(gè)時(shí)間，他也開始搭建用于選股的神經(jīng)網(wǎng)絡(luò)模型，并將模型策略陸續(xù)應(yīng)用到實(shí)盤中，整體取得了符合預(yù)期的效果。
在投資框架方面，他利用AI選股策略通過深度神經(jīng)網(wǎng)絡(luò)挖掘量?jī)r(jià)中的Alpha特征，用深度學(xué)習(xí)方式解決傳統(tǒng)模型因子挖掘和因子合成的過程，從而更好提取高頻特征中隱含的Alpha，力爭(zhēng)實(shí)現(xiàn)超額收益。
事實(shí)上，在今年權(quán)益類市場(chǎng)低迷階段，部分量化投資的收益表現(xiàn)常常受到市場(chǎng)關(guān)注，相比部分主動(dòng)權(quán)益類基金呈現(xiàn)明顯超額回報(bào)。
在李子昂看來，投資收益最終要分成Alpha和Beta兩部分，部分量化整體收益顯著的背后邏輯是，Beta方面中證500、中證1000指數(shù)等指數(shù)，比前期表現(xiàn)很好的茅指數(shù)、寧組合好一點(diǎn)；而在Alpha方面，部分機(jī)構(gòu)用到了更多偏交易的數(shù)據(jù)和新方法，更廣闊的數(shù)據(jù)提煉出了更多的Alpha，也在超額收益上有所體現(xiàn)。
不過，李子昂在AI選股策略中，會(huì)更加專注Alpha挖掘，不通過極致暴露來獲取收益。他充分了解資產(chǎn)配置和分散投資對(duì)改善組合風(fēng)險(xiǎn)收益特征的幫助，力爭(zhēng)降低風(fēng)格擇時(shí)的風(fēng)險(xiǎn)。
隨著AI和深度學(xué)習(xí)的發(fā)展，傳統(tǒng)的多因子模型策略受到了一定的挑戰(zhàn)，尤其是基本面因子在Alpha挖掘上出現(xiàn)波動(dòng)，甚至有些長(zhǎng)期穩(wěn)定的Alpha因子變成偏Beta因子。
李子昂表示，在新的挑戰(zhàn)下，從業(yè)者逐漸去尋找新的信息和框架去優(yōu)化模型，比如部分投資者可以從交易信息里挖掘增量信息或超額收益特征，利用神經(jīng)網(wǎng)絡(luò)模型擬合函數(shù)，對(duì)整個(gè)組合特征做提取和未來預(yù)測(cè)，也取得了不錯(cuò)的效果。
“比如，傳統(tǒng)量化模型大多基于線性設(shè)立，但當(dāng)大家越來越意識(shí)到市場(chǎng)上非線性邏輯也可能帶來Alpha，能夠?qū)崿F(xiàn)多種非線性特征提取的AI模型，特別是神經(jīng)網(wǎng)絡(luò)的模型，自然而然就派上用場(chǎng)，深度神經(jīng)網(wǎng)絡(luò)在處理并提取隱含其中的Alpha特征中發(fā)揮了顯著功效。”
因此，他認(rèn)為，當(dāng)前AI技術(shù)給量化投資帶來的強(qiáng)大助力可分為兩方面，一方面是通過AI可以提取超大量數(shù)據(jù)里所謂的非線性、非顯性因子Alpha；另一方面，AI模型能夠幫助處理更多的非結(jié)構(gòu)化的數(shù)據(jù)。
那么何為非結(jié)構(gòu)化數(shù)據(jù)？據(jù)他介紹，研報(bào)、新聞，包括專家訪談、調(diào)研紀(jì)要都是非數(shù)字的文本信息，借助ChatGPT或其他能夠做語義理解和分析的AI模型，可以將這些非結(jié)構(gòu)數(shù)據(jù)與未來股票收益之間產(chǎn)生映射。不僅如此，卷積神經(jīng)網(wǎng)絡(luò)還可以完成圖像識(shí)別，將K線做成標(biāo)準(zhǔn)化的圖的格式并結(jié)合一些技術(shù)指標(biāo)，即可與未來股價(jià)表現(xiàn)建模，極大地體現(xiàn)出AI在量化投資中的價(jià)值。
在大量AI技術(shù)應(yīng)用和落地的背景下，AI是否會(huì)取代基金經(jīng)理也受到業(yè)內(nèi)關(guān)注和討論。
李子昂表示，AI能否取代基金經(jīng)理，本質(zhì)邏輯是AI能不能自己做投資。目前來講，AI可以輔助投資，具備一定智能，但在量化投資上，AI模型并不能自己主動(dòng)設(shè)計(jì)新的量化模型去適應(yīng)復(fù)雜多變的市場(chǎng)環(huán)境?，F(xiàn)階段AI背后體現(xiàn)的還是模型設(shè)計(jì)者的智慧和想法，所以從業(yè)者做好AI投資需要具備科研精神和工程能力，要不斷激發(fā)靈感迭代模型，保持投資策略有效性，以更好適應(yīng)市場(chǎng)的變化。
他也呼吁積極擁抱AI時(shí)代，努力嘗試接觸AI、利用AI提升工作效率，獲得更多的知識(shí)和信息，這樣才能跟上科技數(shù)字化發(fā)展的步伐。
結(jié)合歷史數(shù)據(jù)和投資角度，他表示，投資收益可以分解為估值和盈利兩方面，現(xiàn)階段主流寬基指數(shù)的估值都處于較低位置，在低估值的行情下，企業(yè)盈利若能保持不錯(cuò)的增速，將孕育出長(zhǎng)期不錯(cuò)的投資機(jī)會(huì)，在短期估值偏離后會(huì)存在較大的修復(fù)空間。
