下载APP
在变局中开新局
字体：
小
中
大
◎长城基金总经理助理，量化指数投资部总经理 雷俊
机构量化投资正在发生变化。一方面，机构行为逐渐趋同于市场贝塔，导致机构量化投资难以显示优势；另一方面，市场定价效率显著提高，传统量化投资的基本因素收益率逐渐缩小。
经过19年的发展，ETF的数量和规模不断增长，大量资金流入ETF市场。ETF的快速增长显著提高了市场的有效性，使被动指数投资在资本驱动的市场中具有更多的优势。被动复制产品的逐年增长吸收了大量的市场资金，机构投资者在市场指数中的头寸比例增加，因此指数结构变得更加机构化。这意味着机构更难击败该指数。
目前，随着信息的高效传输，市场定价效率大大提高。许多信息在发布后不到10分钟，甚至在发布前10分钟就被市场完全吸收。在高效的市场环境下，信息差带来的红利逐渐收敛，行业分化加快。在量化投资中，随着市场定价的充分，基本面因素的定价效率不断提高，导致因素收益下降。这可能是由于投资者因素选择的趋同或紧缩的市场资本环境。
在挑战的背后，我们仍然可以抓住时代赋予的机遇，量化投资仍然有利：
首先是投资广度的回归。从a股上市公司的结构变化来看，10年前有2000多家上市公司，现在已经增加到5000多家，市值普遍较小。全面注册制实施后，小盘股效应更加明显。从流动性的角度来看，量化投资适用于小盘股、微盘股或某一细分。
二是市场价值因素的回归。由于宏观基本面和新兴产业的发展趋势，小微股自今年以来表现良好。目前，小市场价值的风格将继续下去。在股票市场上，定量投资仍然可以抓住良好的短期机会。
最后是人工智能的赋能。在传统的定量投资中，线性思维很容易导致模型错过有效的因素收益信息，在因素挖掘端和合成端缺乏非线性思维。机器学习可以很好地构建非线性模型，扩展到挖掘文本、图像等非线性数据。在计算能力和数据充足的情况下，我们可以通过文本挖掘和图像挖掘来给定量投资带来新的授权。同时，在深度学习的框架下，时间序列的模型变得更加丰富。因此，在人工智能的授权下，因素挖掘可以通过注意机制和时间序列建模来增强收入，并在非线性模型中与因素合成等其他环节形成互补的收入。量化模型最终形成的大量非结构数据可以进一步扩展因素库。
2023年，我们在中小市值产品上全面拥抱AI，在变局中开新局。传统的定量投资通常使用残余回归进行风险控制和因素挖掘，但现在我们可以在不同层次的网络结构中自由调整损失函数（loss function），努力描述端到端因素和风险的投资机会，以实现控制特定风险的因素挖掘。利用人工智能精细化投资，可以减少产品的相对波动，优化投资体验。
在定量投资中，深度学习和其他人工智能技术的市场非常广泛，相关的研究和应用也显著增加。对我来说，使用人工智能授权的产品以及如何让投资者更好地接受它是一个更大的考验。（CIS)
(注:随着市场等因素的变化，上述观点可能会发生变化，不另行通知。基金有风险，投资要谨慎。)
消费界所刊载信息，来源于网络，传播内容仅以学习参考使用，并不代表本站观点。本文所涉及的信息、数据和分析均来自公开渠道，如有任何不实之处、涉及版权问题，我们会及时处理，举报投诉邮箱：Jubao_404@163.com，
相关资讯
未经书面授权不得复制或建立镜像，违者必究。
Copyright © 2012 -2023 CONSUMER TIMES. All Rights Reserved.
深圳市赢销网络科技有限公司版权所有
粤ICP备14076428号
粤公网安备 44030702005336号