在李荣兴看来，过去几年量化投资在人工智能领域的成功，本质上是因为解决了全局性问题。它并不会颠覆原来的方法论，而是赋能传统量化投资，为传统多因子体系提供强大的算法工具箱。
德邦基金量化投资部总经理李荣兴长期深耕量化投资领域，见证了国内量化基金的发展历程。“量化投资是立足于数据和信息的方法论，主要利用算法处理海量信息，帮投资者赚取更多的阿尔法收益。”李荣兴表示。
李荣兴也是国内最早一批接触人工智能的量化领域投资专家。“人工智能具有非常强的信息聚合力，但前提是，基金经理要对投资有足够深刻的理解，且有将其充分转化为模型的能力，这样才能写好底层特征，真正发挥人工智能的优势。这就像战斗机一样，需要一个好的飞行员才能发挥最大的威力。”
持续探索 寻找增强收益的武器
入行初期，李荣兴即加入了国信证券金融工程团队，该团队多次摘得《新财富》金融工程组桂冠。作为团队核心成员，李荣兴在工作期间积累了丰富的投资经验。此后，李荣兴相继在光大证券、太平资产管理量化产品，如今加盟德邦基金，成为德邦基金量化团队的领军人物。
在多年的量化投资实践中，李荣兴形成了一套独具特色的打法。“我的投资框架可以拆解为三层逻辑：基础层是模型使用的数据能否及时反映市场信息，这一要素我称为数据的实时性；而后是从数据中提取的信息能否反映市场的全部状态，即信息的全面性；顶层逻辑则是模型有没有能力统筹分析全市场，即信息处理能力的全局性。”
“这三方面的能力每多提升一点，超额收益就有可能更多一点。” 李荣兴把数据的实时性、信息的全面性和信息处理能力的全局性作为量化策略考量的重要标准。相比纯粹去看超额收益曲线，他更关心曲线向好背后的策略逻辑。“量化是一个高度内卷的行业，但时间始终是护城河。”
随着量化投资领域的不断成熟，李荣兴也找到了增强收益的武器。2017年，彼时量化投资发展受挫，研究量化投资的路径也发生分化，有人选择基本面量化投资，李荣兴则选择进入机器学习领域，将AI策略融入自己的量化投资框架中。
李荣兴表示，经过多年积累，量化在实时性和全面性上已经做得很好，但传统的回归方法并不适合处理海量数据，简单的信息聚合算法也没有办法解决信息处理的全局性问题。因此，行业需要更强大的算法去解决这一问题，机器学习算法的引入是行业发展的必然。
在李荣兴看来，过去几年量化投资在人工智能领域的成功，本质上是因为解决了全局性问题。它并不会颠覆原来的方法论，而是赋能传统量化投资，为传统多因子体系提供强大的算法工具箱。让量化行业的工作流程从数据、因子简单回归，变成了数据、特征、因子、海量算法，表达与提取投资信息的能力大幅提升。
另外，李荣兴认为，随着信息聚合能力的提升，一些本来有投资逻辑，但没有办法通过统计检验的信息也可以被纳入人工智能策略，这可进一步提高超额收益。
李荣兴透露，目前德邦基金的量化投资模型已经大量采用人工智能的先进算法，所配套的硬件和IT支持均处于行业前列，这也为模型的开发迭代提供了强大的基础。“我们的模型至今累计处理的信息已超过1500亿条，每天的数据量都在4000万条以上。”
控制波动 追求阿尔法收益最大化
去年下半年以来，部分量化产品波动较大。谈及此，李荣兴表示，这主要与量化模型行业风险暴露较多有关。“近两年，机构抱团行为较为明显，因而不少量化模型主动暴露了较多的行业风险，此后机构抱团股瓦解，使得市场的波动传递到了模型上。”
在市场狂热之时保持理性，李荣兴认为，随着投资方法论同质化加剧，较大的行业波动可能会成为常态。因此，他早在两年前就开始使用“二级行业中性”进行风险控制。“这需要我们快速理解市场发生的变化，并预判其将对模型产生的影响。我们将波动精准控制在可容忍的区间内，以赚取更多阿尔法收益。”他说。
李荣兴对承担市场风险和获取阿尔法收益之间的关系做了一个形象的比喻。“量化投资获取阿尔法收益的方式就像剥橘子，市场风险如同橘子皮，里面的果肉则是阿尔法收益，基金经理需要做的是将橘子皮剥掉，寻找高性价比方向。量化领域控制风险的手段是非常成熟的，我们更关注的是在波动和收益之间寻找那个最佳平衡点。”
作为德邦基金量化投资部的负责人，李荣兴颇为看重团队协作。“团队要永不停止向前探索的脚步。在投资道路上要保持谦逊的心态，研究各家所长，勤于学习，敢于突破，不断迭代超越。同时，团队要想实现1+1>2的效果，共享与合作也十分关键。”
除了加强团队内部的合作，德邦基金量化团队也积极融合主动投资的思想。“量化在数据分析和验证上具备一定的优势，但优秀的主动投资逻辑常常会给模型带来更好的结果。”李荣兴说，在底层因子上更注重主动投资逻辑，基本面因子仍然非常重要。“融合是未来的趋势，两者形成的合力，将为投资者获取到更多的阿尔法收益。”
