AI助力量化投资

本篇文章1179字，读完约3分钟

□我们的记者柳宗根

受市场风格变化的影响，2017年量化基金业绩继续分化，部分量化基金业绩如坐过山车。

根据中国国家基金，只有几个因素的线性模型已经不能适应当前复杂多变的市场环境。与传统的线性多因素模型相比，人工智能机器的自学习特性能够更敏锐地捕捉未发现的市场机会。

线性模型“故障”

与2015年业绩普遍增长和2016年业绩分化相比，2017年量化基金业绩因大、小风格变化而遭遇“滑铁卢”。业内人士指出，在“28分化”的市场下，一些小盘股因素失败了。

根据国家基金，随着多因素定量模型的发展，因素由单一向多元发展，由线性关系向非线性关系发展。单纯使用几个因素的线性模型已经不能适应当前复杂多变的市场环境，因此存在许多表现呆滞的情况。

“传统的定量多因素选股模型主要来自战略家的模型。由于战略家学历的限制，其投资风格难以根本改变，如始终坚持某一类型的因素。然而，中国市场是一个特殊的市场。我们正在经历a股市场的变化。市场交易结构、法律法规和参与者都在发生变化。如果战略模式相对固化，就很难完全适应市场。”郭进定量多策略基金经理林建武表示。

他认为，与传统的线性多因素模型相比，人工智能机器的自学习特性可以帮助定量模型适应不同的市场环境，深入挖掘新的选股因素以及因素与股票收益之间的非线性关系，提高模型的预测能力，更敏锐地捕捉未发现的市场机会。

应对市场波动的多种策略

2017年，创业板指数大幅下跌，市场蓝筹股价值回归，导致部分量化基金表现不佳。业内人士表示，在金融去杠杆化的背景下，市场流动性降低，投资更难量化。随着量化基金的不断扩张，量化投资策略同质化趋势越来越严重。

国家基金认为，当前市场波动性很大，定量基金存在明显的结构性差异，因此越来越难以获得正回报。中国基金的量化业务充分考虑了策略储备的多元化特征，策略之间的相关性较低，为灵活应对多变的市场环境奠定了基础。

“你选择的股票越多，股票停牌或涨跌对战略模式的影响就越小。可能的风险是，模型可能会给机器学习模型和股票选择因素赋予更高的权重，而这两个因素在不久的将来表现相对较差。但是，在选择因素和机器学习模型时，郭进基金增加了对其历史基本信息的评估，这降低了这种风险造成较大净值影响的可能性。”林建武说道。

据业内人士称，业绩分化与量化基金的投资策略不无关系。选择中小企业还是大型蓝筹企业，最终取决于模型设计师和投资研究团队的策略。自2017年底以来，有明显迹象表明市场热点分散，未来定量模型在捕捉市场机会方面的优势可能会凸显出来。

展望市场前景，郭进基金认为，中小股经过长期调整后可能会反弹。从2018年5月到8月，随着a股被纳入摩根士丹利资本国际指数，大型蓝筹股可能面临增量资金和机会。此外，选股方式将更加多样化，复杂性和动态变化将增强，机构投资者的优势将更加明显。

(主编:岳hn152)