量化投资与机器学习微信公众号，是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。公众号拥有来自公募、私募、券商、期货、银行、保险、高校等行业30W+关注者，曾荣获AMMA优秀品牌力、优秀洞察力大奖，连续4年被腾讯云+社区评选为“年度最佳作者”。
量化投资与机器学习公众号独家撰写

2023年世界人工智能大会，在“Smart Data · Smart Way——数据智能论坛”上，宽德投资联合创始人冯鑫发表了《AI已至 · 巨浪袭来：迎接量化投资的下一个时代》的主题演讲。

QIML公众号对演讲内容做了精华解读：

指数增强

在量化投资的策略中，有非常大的一部分管理规模是在指数增强这个策略。虽然说指数增强这个概念并不是量化投资领域最早提出来的，但是对于不同的市场周期，都能够提供一个相对稳健的超额收益，这件事情从量化投资作为一个整体行业来讲做得还不错。

这件事情它的意义是什么呢？

就是它能够吸引更长期资本的净流入，而且能够有利于居民投资更积极地进入权益市场，不仅仅在市场向上的时候，哪怕在市场波动的时候，甚至说市场表现不太好的时候，当有一个比较稳定的超额收益，就可以降低市场的起伏对投资者信心的影响，从而形成长期投资的观念。

流动性

很多人以为，可兑现的市值就是股价乘以流通的股数，其实并非如此。

你可兑现的市值是在一个区间内的平均股价乘以认可这个股价的那些流动性，它所带来的才是真正的可兑现的市值。当你有充沛的流动性，你的价格会相对比较稳定。大家知道二级市场的一个主要的功能，无论是进入还是退出，都和流动性分不开，而且当你有一个比较充沛的流动性，比较稳定的可兑现市值的时候，对于公司，对于投资者，对于二级市场的信心也是非常重要的。

另外流动性的本质不仅仅只是交易量，还和有效的定价密不可分。而量化投资恰恰就能够提供更有效的一个定价。

高质量定价

量化投资可以捕捉股票之间的关系，可以建立并且利用股票之间的可替代性。

举个例子，甲乙丙丁四只股票。股票甲，可以把它表示为0.2倍的股票乙加上0.1倍的股票丁，再加上0.5倍的股票丙。正是由于有这样的一个关系，我们可以通过统计套利的方法来进行捕捉。对于统计套利，它比较直观、清晰，学术界在上个世纪60年代就有相关的研究。到了上世纪80年代，它就广泛地应用在金融市场当中了。虽然它历史比较悠久，但是有一定的局限性。

随着人工智能、机器学习高度发展，我们现在其实可以把这个问题转换成另外一个设定，也就是说我们可以把股票从one-hot编码这种非常稀疏的空间向一个稠密的空间嵌入，这个过程叫做embedding，然后通过attention（注意力机制），我们可以研究股票之间的关系，借此把股票间的关系转换成在这个稠密空间的坐标之间的关系，这正是GAT（Graph Attention Networks）的范式核心思想，这些概念也是最近大获成功的大语言模型的基石。

正是由于引入了这个机制，我们就可以把单独的一个个股票联系成一张网络。这样的好处是，大家知道单点非常容易被突破的，但当你有一张网络的话，它就可以承载一定的压力，可以把对某一点的压力传播到整个网络上。这在股票的流动性上也是一样的。对于一个市值比较低流动性比较低的股票，不是说有人想买这个股票，价格就翻倍了，有人想卖这个股票，价格就归零了。这样的话，波动就太大了。

所以，当我们建立了这样一个网络，你在交易一只股票的时候，它的流动性就可以传导到与它相关的股票。在网络里，信息是可以互相传递的，这是GNN里面的一个概念。流动性同样也是可以相互传递、替代。在这种情况下，交易这些股票，其冲击成本会降低，股票能实现的价值也会更加稳定。

科技与投资的交汇

软/硬件工程

软/硬件工程是量化投资的载体，是基础设施。在软件方面，量化投资需要量化的交易系统具有易拓展性、稳健性等等。同时我们无论是为了提升数据的传输，还是计算的效率，我们都会采用一些硬件的定制性的设计。

数据科学

数据科学对于量化投资来说，是非常关键的一步。金融数据的一个特点是它的信噪比非常低，所以说在量化投资领域，一些AI、机器学习的算法是很难直接照搬照抄的，要有非常多的定制性的调整。

决策科学

很多人会说挖掘到了因子，是不是可以直接交易了呢？

其实还没有这么简单。在这一步当中，涵盖了风险管理、资产配置、交易执行等方面的问题。在这一步我们通过量化的方法，包括机器学习等，其能够降低主观因素的影响，从而提高决策的一致性。

从软/硬件工程到数据科学，到决策科学。量化投资的每一步，跟人工智能在其他领域的应用，在本质上是一样的。语音处理，图像识别，自动驾驶都是在用一些科技的手段、建模的手段来处理人能够解决的，甚至有一些人还不能够解决的问题。

量化投资的科技力量外溢

随着量化管理人实力的增加，量化投资企业也可以外溢成为一股强劲的科技力量。

首先，量化私募自身的科技驱动的属性，就决定了我们在科技方面的投入其实是非常高的。有些私募管理人，是主动在投入，有一些其实是被动的，因为没有办法，被竞争对手推着走。如果你在这方面不持续投入的话，你很难有效地更新迭代。

另外一点，量化投资企业现金流的结构与很多科技研究企业不太一样，正因如此，能够使得在量化类型的企业，可以从事一些目标更长远的研究。同时量化投资企业有充沛的人才储备，强劲的人才的招聘能力，也使得我们能够更好地服务于科技的探索。

宽德的AI量化实践

宽德强调：一些粗放式AI的发展并不可取！

比如你追求一些短期的热点或是做一些创造力相对比较差、重复的工作，这些是并不可取的。在关注AI技术的同时，宽德也非常关注如何让AI推动社会发展，注重AI的安全、普惠等等。

耐心和长期坚持是非常关键的，毕竟追逐热点，有可能拉开一个时代的序幕，但是真正的耐心和长期的坚持才能够收获这个时代的果实。

量化投资其实还有一个非常重要的科技属性，就是能够在高效的电子化市场提升该领域的核心竞争力。如此一来，在整个金融市场高度开放的过程中，我们才可以更游刃有余地应对挑战，拥有更多主导决策权来降低对外部力量的依赖，其实这对于国家的战略也是非常重要的。

宽德采用的是统计学习跟机器学习的有效结合。

在这里并不是要比较不同的方法，或者说孰优孰劣。而是想强调宽德之所以采取了这样的结合，是经过了长期的研究。在这个过程中磕磕绊绊，踩过坑、走过弯路。但是宽德基于自身的发展路径，基于他们要解决的问题，找到了一个他们觉得一个比较好的契合点。所以关键点在于，并不是说宽德采取哪个方法，而是希望让大家了解到宽德是经历了这样一个过程才找到适合自己的方法路径。相信对于不同的公司，或者说不同的领域，经过结合自身实际，是能够找到适合自身方法的。

在量化投资领域，或者说投资这个领域，有一个非常显著的特点：就是它的结果非常直接，真金白银，有的时候触目惊心。

有人经常提到我是不是可以弯道超车？冯鑫说到：“做投资做久的人越做越胆小，为什么呢？真的是看见他起高楼，还没宴宾客，结果楼就塌了。很多时候你急不得，你应该逐渐地从自身了解的领域，来慢慢地拓宽你认知的边界，它就是需要一定时间的积累，要‘知其然，知其所以然’。一步一个脚印，我觉得这是应用AI或者任何其他方法都非常关键的一点。”

未来

1、长期主义

目光一定要放长远，要与投资人建立长期的信任、频繁的沟通，包括与相关部门机构的有效沟通。

2、不唯规模论

管理规模的确是非常重要的数字，但是对于资管这个行业，无论是公募还是私募，无论是量化还是主观，其实都有一套更有效、注重能力评估的办法。不要盲目追求规模，能力的评估才是最关键的！

3、行业共同发展

见贤思齐，迎头赶上。

一枝独秀不是春，百花齐放春满园。

量化投资加油！

---

往期推荐