AI风起时，量化正扬帆。
　　股票策略整体表现欠佳的2023年，量化私募在震荡而活跃的A股市场逆流而上，凭借不凡的超额收益表现走到聚光灯下。私募排排网统计显示，今年1-7月量化私募平均收益为4.48%，高于主观私募3.57%的平均收益。
　　而凭靠人工智能技术的推波助澜，量化策略仍在不断迭代向前。今年3月GPT4.0的横空出世，让AI对量化投资的加持能力推向新的高度，机构对其的应用也已从数据提取与分析，深入渗透至因子挖掘、因子组合、风控优化、交易执行的量化投资方法论之中。
　　据中信证券研究部测算,截至去年年末，我国量化私募管理人整体资产规模已超1.50万亿元。经历爆发式增长后，一批量化私募规模也在今年得到进一步扩张，业内百亿名单扩位，机构竞争空前。在市场超额收益亦在逐步企稳的大趋势下，能否创新性地应用AI技术，于量化投资全链条上帮助投资者获取稳定回报，正被越来越多的量化私募视作竞争胜负手。
　　近日，天算量化董事长何天鹰接受21世纪经济报道记者专访，分享了自身对AI赋能量化投资的诸多观察与思考。
　　2014年归国创立天算量化以来，何天鹰及其拥有强大理工背景的团队，始终走在对数学与计算机领域前沿成果的跟踪前列。在2017年敏锐捕捉到人工智能的崛起后，天算量化也率先拥抱新技术，成为行业内将AI运用于股票和期货量化投资的先行者。
　　穿越周期后，“天算”对“人算”的赋能优势渐显。第三方机构数据显示，2017.6.6-2023.7.28间，何天鹰在管的中证500指增产品，在人工智能选股模型的助力下获得了超160%的区间超额收益，平均每年超20%。当前，天算量化产品总规模已突破60亿元。
　　ChatGPT可以为量化投资创造哪些新的价值？AI进入“人优我新”时代，跑在技术前线的量化私募机构如何创造性地使用技术，取得差异化优势？当量化机构逐渐从策略卷至“军备”，作为管理者，又如何看待算力、算法与数据三驾马车间的平衡？
　　以下是记者与何天鹰的对话。
　　拥抱新技术
　　21世纪：过去几年来，AI技术对量化投资的渗透有哪些特征或重要突破？
　　何天鹰：AI技术对于量化投资的加持还是很明显的。从我们的角度去理解，在过去几年间，AI对于量化投资的赋能至少可以分为三个阶段。
　　第一个阶段是从2017年到2019年，如果用四个字去概括的话，这三年可以说是“人无我有”的阶段。在这个阶段里，机构只要将多因子模型结合AI的深度学习算法，基本都可以在收益上实现行业领先。在这一阶段，天算量化其实已经开始了对AI模型的深度使用与研发，我们的部分团队成员也是人工智能框架的深度贡献者。
　　2020-2021年则是“人有我优”的阶段。随着量化的发展，机构开始逐步感知和认可机器学习与人工智能的技术，整个行业的基本盘也迎来大量资金的整合。
　　在这个阶段中，我们有两点很重要的感受。第一是仅依靠通用模型已经无法发挥很大的优势，我们需要更加深度地对AI具体的网络结构、神经元设置等底层细节有更深入的研究和开发；第二是风控模型对于风险暴露的控制日益体现出重要性，随着量化的快速发展，超额收益从长期来看逐步走向平稳，因此严格的风控尤为关键。
　　2022年至今，在绝大部分的量化基金其实已经很重视人工智能、也很重视风控模型的今天，我们认为行业已经来到一个“人优我新”的阶段。资管新规后，更多的投资者正逐渐从信托、理财产品转向考虑量化，而对机构而言，做出更多创新、打出差异化则是这一阶段的核心目标。
　　21世纪：作为AI发展的里程碑，ChatGPT的问世是否也会为量化投资带来新的变化？作为一种语言模型，ChatGPT可以怎样实现对量化投资的赋能？
　　何天鹰：ChatGPT本身代表着新的技术，它自身的发展迭代也非常快。对于这样的新工具，我们会保持最高的敏感度，并快速去拥抱尝试。
　　目前我们对ChatGPT的应用主要分为两个层面。在投研的层面，由于ChatGPT是目前最高级别的语言模型，我们会重点结合它来做一些NLP（自然语言处理）的研究性任务。在构建量化投资框架时，新闻、舆论等信息往往是重要的另类数据，我们会参考相关信息对未来股票的涨跌去做更好的预测.随着ChatGPT发展到4.0阶段，我们已经可以通过将其连接网络、并使用各种插件来让其捕捉最实时的消息。在结合ChatGPT后，对另类数据中文本信息的分析将会更精准。
　　从更广泛的角度讲，ChatGPT也已经在辅助我们完成投研中大量的基础工作。例如我们会让ChatGPT来帮助我们进行因子挖掘，或更高效地完成代码，甚至请其来设计、对比和分析不同的因子或量化策略，帮助研究员对问题更快速地上手。
　　在公司维度下，我们目前也已经把ChatGPT通过API接入到了公司的企业微信中。任何部门的同事都可以便捷地在企业微信中使用这一工具，从而提高日常工作的效率。
　　21世纪：风控模型在量化投资中的重要性正愈加凸显，但据了解，目前业内对于AI在风控中的使用尚停留在较为基础的阶段。未来AI可能在哪些方面深入助力量化机构实现风控？其研发的难点或关键点在什么地方？
　　何天鹰：目前我们在风控模块中尚未深入使用AI模型，但对于AI在风控模块中的应用已经在进行研发，具体来讲更多是用到人工智能中的强化学习模型。强化学习能力可以理解为人工智能对市场变化的快速科学应对，它基于行为和策略不断做出反馈和激励。
　　从目标层面来看，风控的意义在于控制波动，并服务于收益的稳定性，例如在指数增强中，我们希望策略能稳定跑赢指数。为了更好地实现这一目标，往往我们首先需要细致而清晰地拆解股票的收益率和风险来源，并对其进行更清晰的分级和归因。
　　而在具体的操作层面，目前行业普遍采用的Barra多因子模型，对风险和行业的分类更多是基于全球资本市场的视角，对A股市场特殊性的侧重尚显不足。因此，天算量化目前也在进行自己的风控模型的研发与创新。我们希望结合对A股市场的深入理解，在AI的协助下，对风控模型中的风格因子和行业分类去做更清晰有效、更为A股市场“量身定做”的优化。
　　21世纪：有观点认为，随着AI在量化投资中的覆盖率不断提升，机构的竞逐也会从投研能力本身转入数据、算力等方面的“军备竞赛”。目前天算量化在机器学习所需资源方面的投入大致是怎样的？如何平衡公司的成本结构？
　　何天鹰：数据方面，目前公司的数据大体来自三个维度，第一就是金融数据，第二是非金融领域的数据，比如电商、互联网或舆情数据，这两方面我们都会与相应的数据提供商进行大量的深入合作。此外，如果一些数据我们觉得具有创新性，但又难以寻找提供商，便会对其进行逐步的独立积累。
　　数据一直是每家公司都很关注的点，虽然从目前来看，创新数据可能并不是公司竞争最核心的要素，但随着金融市场、包括我国经济体系越来越数字化，可收集的信息一定是会越来越多的。在这样的发展进程当中，我们一样会保持高度的敏感度，去做好数据的收集与探索。
　　在算力方面，我认为投入增多是一件好事，这意味着行业正处于快速发展的过程。天算量化应该是最早的一批购买 GPU服务器的私募，我们当前也正在以比较科学的方式，将更多的资金投入到科技中。
　　不过算力的投入虽然必要，但却并不是充分条件，对策略、对市场特点变化的理解也同样重要。
　　我们能够观察到一个现象：国内的一些互联网大厂和AI大厂，无论在算力规模、资源还是人员数量方面可能其实都更有优势，它们中的许多企业也曾与公募或券商机构有过合作尝试，希望通过AI来开展量化投资，但可能目前的效果还暂时达不到使用的水平。
　　这个现象背后反映出，资源是量化领域发展的一方面，但更重要的是我们如何创造性地去使用这份力量，如何深入的去理解金融市场及其变化，以及如何来做策略。只有将硬件能力与软实力充分结合，一家公司才有可能做到更好。
　　天算量化很大部分的盈利也会用于新的投入之中，但这个投入不局限于设备的投入，也有人员的投入，例如新人的招募又或是人员整体激励机制的优化等。我们认为这样的投入是非常有必要的，它能够帮助团队去形成长期的良性循环。
　　创造新价值
　　21世纪：怎么理解今年指数增强型基金的大热？在策略思路上，指数增强和宽基量化选股有何异同？
　　何天鹰：指数增强是量化行业非常核心的策略，其他的一些策略，例如量化对冲，其实也是基于指数增强再结合衍生品策略去实现的。这个策略其实一直稳定发展了很多年，最近一两年可能受到的认可度和关注会更多一些，一大原因在于市场需要时间接纳新事物，也需要长期的对比来验证策略的表现。
　　指数增强能够相对稳定地让投资组合跑赢对标指数，但由于非量化投资的收益弹性可能更大，所以单看一年的收益率时，指增策略下的量化产品可能很难排入整个市场所有基金里面的前几名，但随着时间的积累，相信大家在感知到指数增强的强势表现后会对其越来越认可。
　　由于量化指增的目标是稳定跑赢对标指数，因此在策略上更加注重风险适配，相比之下量化选股则会相应更加放开一些——由于全市场有五千多只股票，量化选股的选择结果整体会相较于主流的宽基指数更偏小盘一些。
　　进行数据分析后我们其实会发现，量化选股策略的表现会与小盘宽基指数的增强策略更加高度相关。因为在没有特定风险适配的前提下，量化选股的风险暴露约等于市场均值，而市场均值基本上就是在中证1000到2000所涵盖的区域。
　　21世纪：指增产品也贡献了天算量化大部分的产品规模，能否介绍一下公司在指增策略上的一些独特之处？在量化投资市场竞争日益激烈的眼下，如何丰富超额收益来源？
　　何天鹰：我们团队还是比较致力于做一些创新的事情，因为只有创新才能够给我们的客户提供独特的价值。2022年2月以来，天算量化对策略进行了升级,在进行风险控制的基础上，我们深入使用AI开发了一些创新的策略模块，包括行业轮动模块和市值轮动模块，并将这两个模块有机地结合到我们的投研方法论中。
　　以前我们的策略没有专门的行业轮动模型，更重要是做选股，但随着市场进入到现在的阶段，行业的周期性和轮动性还是比较明显的。因此我们在策略上，对于不同的行业层面并不是稳定低配或者是稳定高配，而是随着市场行情的变化快速和敏锐地进行轮动，并且在过程当中去创造超额收益和价值。
　　在市值轮动方面，我们知道市值风格在A股是一个重要的风险因子，而其变化通常伴随着一定的持续性，因此我们希望这个模块能够感知、预测并跟踪市值的变化趋势。
　　将行业轮动和市值轮动加入策略中，这两个模块能够帮助我们进一步提高超额收益，这样可以在严格的风控基础上增厚收益。
　　同时，我们很重视控制超额回撤比，以及超额收益和友商的相关性。具体到数据来看，我们的超额收益跟与同业的优秀友商相比，相关性系数目前是低于0.5。
　　21世纪：公司在量化策略上的迭代频率和契机是怎样的？如何获取创新的灵感？
　　何天鹰：策略的迭代更新分为两个维度。一方面，我们会在日常中进行渐进式的创新，结合最新的数据、思路和工具，对策略不断尝试和迭代，这也是我们投研团队的日常工作内容。
　　而另一方面便是跨越式的创新，这一创新机制更多与涉及到底层的方法论。比如天算从2017年开始用人工智能深度学习做因子组合；2020年，天算把日间的策略进化到了日内的策略，将股票信号更新频率提升至分钟级别；2022年，天算量化在严格风控的基础上加入行业轮动和市值轮动的模块。上述这些都是对于整个量化策略来说相对比较颠覆性的、方法论上的创新。
　　我们更新方法论的频次并不会基于固定的时间周期，如每个月或每半年，而是会在定期的讨论中不断探索，尝试新的思路和方法，并在确认方法论迭代的可行性后进行创新。
　　举例来说，可能我们每1-2个月会发现一些很好的思路，那每3个月到半年来确认这个方法论的迭代可行性。策略迭代更新的具体时间是不确定的，但我们会始终保持对市场和技术的关注，并不断尝试新的思路和方法，以保持我们的策略在市场上的领先地位。
　　21世纪：如何看待量化投资的未来发展空间？天算量化将如何把握时代机遇？
　　何天鹰：从我们的角度来看，量化投资行业在国内市场有着宽广而长远的发展空间。全球成熟金融市场的量化交易占比大约在80%-90%以上，而在国内，这个比例目前仅有20%-30%左右，所以从参照美国等金融市场的比例上看，A股还有很长的路要走。
　　同时，随着资管新规落地以来，国内的金融市场发展不断增速，其体量也越来越大，我们希望能在未来的发展大潮中成为一家注重长期业绩的公司，并不追求单个月度或年度的超前排名，而是注重长期保持领先。
　　对此我认为有两点非常重要：创新和守朴。
　　大量做同质化的竞争很容易陷入内卷，而内卷意味着摊薄收益，很容易逆水行舟、不进则退，只有创新才能成为我们发展的驱动力。这种创新不仅在策略和技术层面，还包括方法论和产品条线层面、甚至公司管理层面上都需要进行大量的科学转型。
　　守朴即是要踏实、朴素地坚守。金融市场是一个充满挑战和竞争的行业。我们从团队创业到现在，已经经历了多个市场的涨跌周期、政策变化周期和行业发展周期，公司自身也经历了周期性成长。资产管理是离金钱最近的行业，我们深刻认识到资产管理的发展道路并不简单，一定会充满各种挑战，我们自己也是充分敬畏。多年以来的积累与经验都在指导我们，无论短期受到追捧还是冷落，在发展的过程中，一定要以为客户长期创造收益和价值，公司健康稳定成长作为自身的发展目标和努力方向。
（文章来源：21世纪经济报道）