近年來，在市場分化較大、獲取超額收益難度增加的背景下，量化基金憑借著多因子、多策略的選股模型，以及對(duì)機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等AI技術(shù)的運(yùn)用，展現(xiàn)出穩(wěn)定跑贏業(yè)績比較基準(zhǔn)的優(yōu)勢。據(jù)統(tǒng)計(jì)顯示，截至2月21日，全市場共有194只名字中含“量化”的基金（剔除成立不足一年的產(chǎn)品），近一年平均回報(bào)達(dá)20.18%，平均跑贏業(yè)績基準(zhǔn)3.97%。其中，廣發(fā)量化多因子以51.22%的回報(bào)排名前列，相較業(yè)績基準(zhǔn)取得了23.03%的超額收益。 

廣發(fā)量化多因子以國證2000指數(shù)為業(yè)績基準(zhǔn)，聚焦中小盤股票投資?；鸾?jīng)理李育鑫是統(tǒng)計(jì)學(xué)博士，具備扎實(shí)的數(shù)理背景與數(shù)據(jù)分析能力，熟悉運(yùn)用人工智能機(jī)器學(xué)習(xí)算法。在管理廣發(fā)量化多因子時(shí)，李育鑫在策略中引入AI選股模型，構(gòu)建了“傳統(tǒng)線性模型+機(jī)器學(xué)習(xí)模型”的雙輪驅(qū)動(dòng)框架?！癆I的核心價(jià)值在于其強(qiáng)大的信息整合與模式識(shí)別能力，尤其在價(jià)量因子挖掘與因子復(fù)合環(huán)節(jié)，AI模型能有效補(bǔ)充傳統(tǒng)方法的不足?！崩钣伪硎?。 

憑借著AI技術(shù)與傳統(tǒng)量化模型的深度融合，廣發(fā)量化多因子在中小盤增強(qiáng)賽道中展現(xiàn)出比較優(yōu)勢，近期積累了良好的業(yè)績。統(tǒng)計(jì)顯示，截至2月21日，廣發(fā)量化多因子自李育鑫2023年10月任職以來的回報(bào)為31.12%，近一年累計(jì)漲幅達(dá)51.22%；另據(jù)銀河證券數(shù)據(jù)，其近一年回報(bào)在479只靈活配置型基金(基準(zhǔn)股票比例60%-100%)中排名前10%。 

“在量化投資中，數(shù)據(jù)源的多元化、低相關(guān)因子的充分儲(chǔ)備、模型的多樣性都非常重要，能夠提升選股模型的預(yù)測準(zhǔn)確度，更好地應(yīng)對(duì)不同的市場環(huán)境。”李育鑫介紹，以廣發(fā)量化多因子為例，其在過去一年的超額收益主要源于兩個(gè)方面：一方面，拓展數(shù)據(jù)來源與研究路徑，多元而廣泛的數(shù)據(jù)源覆蓋，為挖掘出更多低相關(guān)、多源化的阿爾法因子提供了充沛的“彈藥”；另一方面，充分運(yùn)用機(jī)器學(xué)習(xí)技術(shù)，可以拓展分析框架的廣度和深度，有助于挖掘一些非線性的因子，并且能提供更高效的整合策略，從而獲得額外的超額收益。 

面對(duì)AI技術(shù)的迭代浪潮，李育鑫表示，相較于傳統(tǒng)的線性模型，深度學(xué)習(xí)模型在復(fù)雜場景中具備更強(qiáng)的學(xué)習(xí)能力。例如，在近期“火出圈”的DeepSeek中，深度學(xué)習(xí)模型就扮演著非常核心的作用。對(duì)應(yīng)到金融市場，尤其是對(duì)于一些中高頻的定價(jià)規(guī)律，深度學(xué)習(xí)模型還有很大的發(fā)揮空間。展望后市，李育鑫分析，短期需留意海外通脹超預(yù)期的潛在壓力，中長期則關(guān)注技術(shù)賦能下改善企業(yè)盈利預(yù)期逐步強(qiáng)化，目前看有利于小市值與成長風(fēng)格板塊，預(yù)期量化策略會(huì)受益于技術(shù)擴(kuò)散帶來的“復(fù)利效應(yīng)”。

 來源：中國經(jīng)濟(jì)網(wǎng)