在量化投資同質(zhì)化競爭加劇的當下，不少量化基金經(jīng)理憑借深厚的數(shù)理功底和對前沿AI技術(shù)的應用，鑄就了差異化的護城河。統(tǒng)計學博士出身的他，基于對市場和數(shù)據(jù)的深刻理解，不斷迭代因子模型，并結(jié)合AI智能算法挖掘出更深層的阿爾法因子，形成了一套從因子開發(fā)到多維風控的量化投資體系?！傲炕顿Y的核心是以數(shù)據(jù)分析為基礎(chǔ)，在不確定的金融市場中，采取定量分析的方法持續(xù)發(fā)掘長期穩(wěn)定的規(guī)律，力求實現(xiàn)穿越周期的超額回報?！苯刂?月11日，他參與管理的量化多因子近6個月回報達52.23%，相較于業(yè)績基準，取得了4.48個百分點的超額收益。

基于深厚的統(tǒng)計學功底，他擅長以概率和統(tǒng)計的視角審視金融市場，并通過數(shù)據(jù)來驗證假設(shè)。“這種思維模式能夠使我在方法論上保持嚴謹，避免僅憑主觀認知作出未經(jīng)科學驗證的結(jié)論。另外，扎實的數(shù)理專業(yè)背景也讓我更好地理解、運用和改進AI模型?！彼f。在公募量化領(lǐng)域，多因子模型是一種較為常見的投資策略，即通過數(shù)學模型的方式，從多個因子維度出發(fā)去評價和挑選股票，并依托算力進行因子挖掘。然而，在他看來，算力的儲備只是基礎(chǔ)，阿爾法因子的積累才是結(jié)果，真正的超額收益來源于對市場本質(zhì)規(guī)律的深刻洞察。“我們可以把算力比作是一輛汽車，如果只有汽車，沒有駕駛員，就永遠到達不了目的地?！彼忉尩?，“基金經(jīng)理的作用就在于，基于對市場和數(shù)據(jù)的深刻理解，確定汽車前行的方向，并在此方向上持續(xù)進行因子挖掘、模型迭代，逐步積累，最終形成一套成熟的投資框架?！?/p>

基于此，他認為，量化基金經(jīng)理的核心競爭力體現(xiàn)在四個方面。首先，對統(tǒng)計模型有深度理解和運用的能力，運用扎實的專業(yè)知識，對細節(jié)進行優(yōu)化處理。其次，擁有發(fā)散性思維和獨立思考能力，在研報和文獻啟發(fā)的基礎(chǔ)上形成獨特見解。再其次，還要具備對市場規(guī)律的深刻洞察力，基于對市場的充分認知持續(xù)改進模型和策略。最后，具備高效的代碼實現(xiàn)能力，把想法轉(zhuǎn)化為有效的投資策略。他認為，在復雜多變的市場環(huán)境中，量化基金經(jīng)理難免會遭遇因非常態(tài)化市場環(huán)境導致阿爾法模型階段性失效的挑戰(zhàn)。在市場定價機制的有效性恢復前，如果基金經(jīng)理對市場運作規(guī)律有充分的理解，能深入分析導致模型回撤的影響因素是長期還是短期的，就能更加從容地應對，并作出合理的決策。

近年來，AI領(lǐng)域新技術(shù)、新應用層出不窮，量化多因子在投資策略中較早引入了機器學習、神經(jīng)網(wǎng)絡(luò)等AI技術(shù)，已經(jīng)歷了從傳統(tǒng)多因子模型向“AI賦能”的迭代?！斑\用AI技術(shù)能夠有效提高產(chǎn)品的超額收益?！彼忉尩?，一方面，在因子的挖掘上，個體對于市場的認知與理解存在一定的局限性，借助AI技術(shù)能夠發(fā)現(xiàn)隱藏在更深層次的定價規(guī)律，從而彌補傳統(tǒng)認知的不足。比如，采用遺傳算法、神經(jīng)網(wǎng)絡(luò)等方式，算法會進行交叉變異和自我迭代，逐步提煉效果更好的表達式，挖掘隱藏的阿爾法信息。另一方面，在因子的整合上，傳統(tǒng)方法是使用簡單的線性模型對不同因子進行合成，容易錯過市場上的非線性信息；AI技術(shù)可以通過更高維的信息處理方式，發(fā)現(xiàn)市場中的非線性定價規(guī)律，彌補傳統(tǒng)線性模型的不足，顯著提升阿爾法因子的挖掘效率和效果。

提及量化團隊的支持，他表示，團隊已經(jīng)儲備了豐富的因子，并搭建了因子共享庫，將團隊成員長期積累的研究成果匯集起來，既能避免重復開發(fā)，又能確保阿爾法來源的覆蓋廣度。具體到在產(chǎn)品管理中如何加工因子、進行整合，每個基金經(jīng)理都有自己的不同方式，從而形成“前端共享、后端獨立”的運作模式?！坝袆e于傳統(tǒng)的主動投資，量化投資的優(yōu)勢并不在于捕捉到少數(shù)漲幅較大的個股，而在于通過分析金融數(shù)據(jù)的歷史規(guī)律，有效識別并避開有潛在大幅下跌風險的股票?！彼f。

據(jù)他介紹，在控制回撤方面，量化多因子主要通過三個層面來實現(xiàn)。一是模型構(gòu)建維度。關(guān)鍵是采用多策略組合模式，通過策略間的差異化配置進一步分散風險。當單一策略出現(xiàn)階段性失效時，其他收益來源的策略仍然有效。通過多策略的動態(tài)平衡，形成長期互補效應，從而平滑組合凈值的整體波動。二是策略構(gòu)造維度。在開發(fā)單個策略過程中，嚴格監(jiān)控因子暴露程度，避免在特定超額收益來源上提高風險敞口的集中度。通過均衡配置不同因子的風險預算，確保各策略在收益來源和風險敞口上合理分布。三是組合優(yōu)化維度。在股票組合生成環(huán)節(jié)，運用“優(yōu)化器框架”執(zhí)行雙重目標：既篩選具有超額收益潛力的標的，又嚴格約束組合相對于基準風格的偏離及行業(yè)敞口的暴露，有效控制組合的超額收益回撤幅度。

對于未來要探索的投資方向，他表示，將更加聚焦于對于策略本質(zhì)的優(yōu)化：一方面，強化現(xiàn)有模型的核心優(yōu)勢，通過三重風控體系，盡量預判并規(guī)避存在下行風險的個股；另一方面，在現(xiàn)有模型上探尋新的超額收益來源，把握動量股票，多頭改進，力求形成收益互補的效應。

來源：上海證券報