泓德基金李子昂：為AI量化投資注入科研精神
“公募量化當前已經(jīng)走過了從0到1的階段，未來越來越多的人可能會把人工智能（AI）當作手段和工具武裝自己，加入從1到N的發(fā)展趨勢。作為趨勢中的一份子，我認為AI量化大有可為。”談及AI量化投資，泓德基金AI Lab負責人李子昂如是說。
作為泓德基金AI Lab的負責人，李子昂具有完備的因子投資框架，積累了多年深度學(xué)習、神經(jīng)網(wǎng)絡(luò)模型研究經(jīng)驗，更兼具了科研人的匠心、工程師的謹思、探險家的勇敢。在這場AI與量化投資交融的浪潮里，他們已然揚帆起航。
不斷更迭模型
碩士畢業(yè)于美國哥倫比亞大學(xué)的李子昂積累了9年投研經(jīng)驗，6年投資經(jīng)驗。在入職泓德基金的第4年，與蓬勃向上的AI量化時代碰撞火花，共同成長。對于量化投資，他有著自己獨到的體悟。
“量化投資本身是一個數(shù)據(jù)科學(xué)，其核心是基于統(tǒng)計規(guī)律去做投資�！崩钭影航忉屨f。類似于主動投資根據(jù)歷史數(shù)據(jù)形成對未來投資的預(yù)期和判斷，量化則是通過海量的數(shù)據(jù)去尋找賺錢的規(guī)律，繼而進行選股，作出決策。
“量化投資本質(zhì)上是一個Y=F(X)的過程�！彼靡粋�比喻，揭開了量化投資的面紗。他解釋，Y是基金經(jīng)理所預(yù)測的股票收益，X是其使用的指標，F(xiàn)則是提煉指標數(shù)據(jù)的方式。
在李子昂看來，F(xiàn)和X構(gòu)成了投資框架的兩大核心內(nèi)容，二者相輔相成。近年來，量化投資的邏輯日趨成熟，正體現(xiàn)在對F和X的提煉上。在未來，要提升量化超額收益能力，本質(zhì)的抓手仍然是F和X，即用更強的人工智能模型優(yōu)化F的方法論，并在廣袤的市場數(shù)據(jù)里準確地抓取新的X特征。
在今年極致輪動的市場風格之下，以分散為特征、在市場錯誤定價中尋找機遇的量化投資迎來了相對蓬勃的發(fā)展。不過，量化策略也面臨階段性挑戰(zhàn)，歷史數(shù)據(jù)的回測顯示，極端集中的行情會導(dǎo)致AI選股策略的普遍回撤；市場流動性收縮嚴重的時候，高頻策略的賺錢能力也將放緩。
“AI時代賦予了我們更多的探索空間，只有不斷更迭模型，不斷有新的想法、特征，才能達成更好的提升。”對于這一點，他深信不疑。
專注阿爾法挖掘
隨著AI的注入，量化投資經(jīng)歷了從線性到非線性的更迭�！拔辶昵�，市場仍以挖掘能夠創(chuàng)造阿爾法收益的因子為主，使用的是多元線性回歸模型；而當機器學(xué)習出現(xiàn)后，我們的思維不再受限，開始接受很多非線性模型。從線性到非線性，我們所做的無非是更好地認知世界，探索市場的未知�！崩钭影赫f。
專注于挖掘超額阿爾法特征和非線性關(guān)系的李子昂，以多年的研究經(jīng)驗為功底，善于運用深度學(xué)習、神經(jīng)網(wǎng)絡(luò)、海量信息等方法�！吧疃葘W(xué)習能夠提取海量交易數(shù)據(jù)中蘊含著豐富的增量信息，在找到獨特阿爾法來源的同時，對傳統(tǒng)因子予以補充；快速發(fā)展的神經(jīng)網(wǎng)絡(luò)模型能夠激發(fā)迭代靈感，以對抗阿爾法的加速失效；對于高頻交易信息，傳統(tǒng)基本面因子可能短期失效，通過量化捕捉錯誤定價中的非有效性，能夠帶來較好增益。”他解釋。
在公募量化“百花齊放”的浪潮下，團隊若想勇立潮頭，需要對模型進行持續(xù)的迭代與更新。李子昂會從兩個維度對模型予以評判，其一是模型的準確度，即模型本身是否能基于數(shù)據(jù)集達成最好的效果；其二則是實盤的效果，即運用模型選股后是否能產(chǎn)生良好的投資曲線和實際效果。
探索AI前沿
顧名思義，AI Lab的“實驗室”概念為團隊注入了科研的靈魂。
據(jù)李子昂介紹，泓德基金的AI Lab從去年開始籌備，并于今年年初正式成立。“實驗室成立的初衷，是想建立一個負責公司所有AI方面策略與研發(fā)的團隊，把市場上最先進的AI技術(shù)與模型用于日常業(yè)務(wù)中最核心的板塊，賦能投資與研究�！彼f。
當前，AI Lab仍然以聚焦量化投資為主�！拔覀円呀�(jīng)基本完成了多模型、端到端的開發(fā)，從今年4月起已經(jīng)運用在了公司的部分公募產(chǎn)品策略中。”李子昂表示，投用效果總體符合預(yù)期，尤其是指數(shù)增強策略，其阿爾法效果相對較為顯著。AI Lab是一個非流水線式的、開放性的研究型團隊。從招聘條件看，團隊所吸納的都是AI量化投資領(lǐng)域最前沿的探索者。“雖然人數(shù)不多，但要求每個人都具備端到端的研究能力，包括從數(shù)據(jù)的清洗、落地、特征提取，到模型的設(shè)計、搭建、訓(xùn)練，以及預(yù)測和后端投資組合的生成�！彼榻B。
“我希望整個團隊都能始終擁有對最先進算法的探索欲、研究熱情和創(chuàng)新能力，能夠不斷地自我完善與迭代，至少在很長一段時間里，把我們認為最有效的模型和策略運用到選股當中。”李子昂如是說。
展望未來，AI Lab也不會停下腳步。李子昂表示：“AI領(lǐng)域依然有很多東西值得探索�！彼矊⒗^續(xù)帶領(lǐng)團隊，在量化投資的浪潮里探索AI領(lǐng)域的無限可能。
