AI选股策略提取Alpha
力争实现超额收益
近日，证监会副主席在2023金融街论坛年会上表示，“要培育一流投资银行和投资机构，相关市场主体要高度认识金融科技数字化转型对业务的支持和赋能作用”，“要进一步提升金融机构数字化水平。”
金融机构通过科技赋能数字化转型，正在对公募基金的核心投研能力提升产生积极成效。以泓德基金为例，基于对AI选股策略的重视，泓德基金于2019年起开始跟进，2022年底就在筹备AI实验室，今年4月份,由泓德基金总经理亲自牵头，正式成立了AI Lab人工智能实验室，主要做AI策略开发，为基金组合策略赋能。目前，泓德基金针对中证500、中证1000、国证2000、中证2000等指数都在做模型跟踪和调优，从产品线和业务角度做出了前瞻性布局。
近日，泓德基金AI Lab负责人李子昂畅谈了他目前负责的AI策略工作。
李子昂是美国哥伦比亚大学理学硕士毕业，曾任北京隆慧投资有限公司投资管理部投资经理、华商基金量化投资部量化研究员、泰达宏利基金风险管理与基金评估部助理专员。2019年加入泓德基金，曾任特定客户资产投资部投资经理，现任泓德基金AI Lab负责人。目前证券从业年限10年，投研经验已有9年。
在学生阶段，他的研究领域就是神经网络模型工作，当时神经网络模型还没有展现出当今如此强大的能力。不过，直到近几年，国内金融机构开始逐渐应用AI挖掘因子，特别是应用神经网络方式挖掘出相对有效和稳定的因子，并应用于量化投资。也正是在这个时间，他也开始搭建用于选股的神经网络模型，并将模型策略陆续应用到实盘中，整体取得了符合预期的效果。
在投资框架方面，他利用AI选股策略通过深度神经网络挖掘量价中的Alpha特征，用深度学习方式解决传统模型因子挖掘和因子合成的过程，从而更好提取高频特征中隐含的Alpha，力争实现超额收益。
事实上，在今年权益类市场低迷阶段，部分量化投资的收益表现常常受到市场关注，相比部分主动权益类基金呈现明显超额回报。
在李子昂看来，投资收益最终要分成Alpha和Beta两部分，部分量化整体收益显著的背后逻辑是，Beta方面中证500、中证1000指数等指数，比前期表现很好的茅指数、宁组合好一点；而在Alpha方面，部分机构用到了更多偏交易的数据和新方法，更广阔的数据提炼出了更多的Alpha，也在超额收益上有所体现。
不过，李子昂在AI选股策略中，会更加专注Alpha挖掘，不通过极致暴露来获取收益。他充分了解资产配置和分散投资对改善组合风险收益特征的帮助，力争降低风格择时的风险。
随着AI和深度学习的发展，传统的多因子模型策略受到了一定的挑战，尤其是基本面因子在Alpha挖掘上出现波动，甚至有些长期稳定的Alpha因子变成偏Beta因子。
李子昂表示，在新的挑战下，从业者逐渐去寻找新的信息和框架去优化模型，比如部分投资者可以从交易信息里挖掘增量信息或超额收益特征，利用神经网络模型拟合函数，对整个组合特征做提取和未来预测，也取得了不错的效果。
“比如，传统量化模型大多基于线性设立，但当大家越来越意识到市场上非线性逻辑也可能带来Alpha，能够实现多种非线性特征提取的AI模型，特别是神经网络的模型，自然而然就派上用场，深度神经网络在处理并提取隐含其中的Alpha特征中发挥了显著功效。”
因此，他认为，当前AI技术给量化投资带来的强大助力可分为两方面，一方面是通过AI可以提取超大量数据里所谓的非线性、非显性因子Alpha；另一方面，AI模型能够帮助处理更多的非结构化的数据。
那么何为非结构化数据？据他介绍，研报、新闻，包括专家访谈、调研纪要都是非数字的文本信息，借助ChatGPT或其他能够做语义理解和分析的AI模型，可以将这些非结构数据与未来股票收益之间产生映射。不仅如此，卷积神经网络还可以完成图像识别，将K线做成标准化的图的格式并结合一些技术指标，即可与未来股价表现建模，极大地体现出AI在量化投资中的价值。
在大量AI技术应用和落地的背景下，AI是否会取代基金经理也受到业内关注和讨论。
李子昂表示，AI能否取代基金经理，本质逻辑是AI能不能自己做投资。目前来讲，AI可以辅助投资，具备一定智能，但在量化投资上，AI模型并不能自己主动设计新的量化模型去适应复杂多变的市场环境。现阶段AI背后体现的还是模型设计者的智慧和想法，所以从业者做好AI投资需要具备科研精神和工程能力，要不断激发灵感迭代模型，保持投资策略有效性，以更好适应市场的变化。
他也呼吁积极拥抱AI时代，努力尝试接触AI、利用AI提升工作效率，获得更多的知识和信息，这样才能跟上科技数字化发展的步伐。
结合历史数据和投资角度，他表示，投资收益可以分解为估值和盈利两方面，现阶段主流宽基指数的估值都处于较低位置，在低估值的行情下，企业盈利若能保持不错的增速，将孕育出长期不错的投资机会，在短期估值偏离后会存在较大的修复空间。
