新火種
2025-03-19 
引入AI模型！基金經理積極擁抱AI，能否為基民賺錢？
越來越多基金經理在策略中引入AI（人工智能）模型。
DeepSeek持續火爆出圈，AI發展如火如荼，已經成為各個領域不可忽視的力量，也引發公募機構爭相布局。
不少公募機構紛紛宣布，在投研領域已經部署了包括DeepSeek在內的多款開源模型。在公募基金投研層面，它不僅改變基金經理投資決策的方式，也能為普通投資者提供新的投資工具。
不過，對于投資者而言，最為關切的還是自身利益，AI能否讓基金業績表現更好？
券商中國記者調查顯示，公募基金經理尤其是量化基金經理對AI用于投研實踐的熱情更為高漲，他們希望通過對AI的應用為投資者提供跑贏市場的更多超額收益。
AI加持基金業績跑贏市場
券商中國記者調查研究發現，目前公募基金中對AI的應用更為迫切的是量化投資基金經理，這些基金經理主要管理著主動量化基金和指數增強基金。一些基金經理告訴記者，早早就開始了研究如何將AI應用于投資，并依賴其產生跑贏市場的超額收益。
具體到業績層面，匯添富國證2000指數增強A、安信量化精選滬深300指數增強基金和海富通滬深300指數增強基金等運用AI的指數增強基金超額收益在同類型產品中位居前列。
從近一年行情來看，指數增強基金層面，在跟蹤規模最大的滬深300指數增強基金中，安信量化精選滬深300指數增強基金和海富通滬深300指數增強基金則是超額收益前二的產品，超額收益分別為15.55%和8.77%。
安信量化精選滬深300指數增強基金經理施榮盛介紹，其在2023年8月24日任職管理該基金時，就開始100%使用機器學習和深度學習等模型。他希望依靠概率優勢和大數定律去獲得證券市場錯誤定價的收益，從而提高市場的有效性。
海富通滬深300增強主要運用了AI選股模型，核心策略為深度學習多因子打分，主要通過樹模型和RNN模型相結合來捕捉非線性信息；衛星策略則包括事件驅動、行業輪動等。
匯添富國證2000指數增強A近一年實現58.83%的正收益，超額收益高達28.5%，是指數增強基金中超額收益最高的產品。據基金經理介紹，基金采用量化指數增強的方式運作，具體操作上，采用多因子模型和AI量化選股相結合的方式評價個股。
主動量化基金方面，博時ESG量化選股、招商量化精選、博道成長智航A等多只量化基金近期凈值創成立以來新高。A股市場活躍度明顯改善，為量化投資提供良好土壤，AI在量化投資中扮演重要角色。
AI擴展量化投資的邊界
過去半年的時間里，隨著AI技術的不斷突破，不少基金經理體會越來越深刻和震驚，在投研層面，量化基金經理更為積極擁抱AI。
AI正在不斷擴張量化投資的邊界。
海富通滬深300指數增強基金經理林立禾表示，面對快速變化的市場，AI量化模型或有更具高效性、全局性的投資分析能力，會根據市場風格自我學習調整，自適應能力強，能夠在市場出現新的趨勢或信息時快速作出反應。自2023年5月底起，海富通滬深300增強便在量化選股策略中運用AI選股模型，如機器學習、自然語言處理等多種技術，并取得了一定的效果。
泓德基金基金經理李子昂曾表示，通過AI可以挖掘超大量數據里所謂的非線性、非顯性因子Alpha。
隨著DeepSeek的火爆出圈，更是堅定了基金經理探索AI在投資領域應用的信心。
“大語言模型等將大大地擴展量化投資的邊界。”施榮盛認為DeepSeek等AI技術在量化投資領域，將體現許多方面的優勢。在2024年8月上旬，DeepSeek采用硬盤緩存技術大幅削減API使用成本時，施榮盛就開始充值使用DeepSeek的API進行研究工作，主要包括：提高編程效率、加速機器學習模型的學習與開發、拓展另類因子的挖掘等方面。目前，他主要學習和探索的方向是量化投資中AI智能體Agent的應用。
現實中，將AI應用于投資策略中存在著諸多不確定性，在量化投資中并非一蹴而就，對數據低信噪比、不滿足平穩性等問題，大到算法選擇，中到超參數調優，小到變量預處理，每一個決策都會影響AI在量化投資中的應用效果。
重塑投研流程框架
公募探索AI在金融領域的應用一直處于時代前沿，伴隨DeepSeek等AI技術的爆發和成熟，不少基金公司對投研流程進行升級迭代。
2024年初，博時基金就經過反復調研，發現了DeepSeek模型在自動編寫代碼和邏輯推理方面的潛力，率先在自有的昇騰服務器上部署了DeepSeek-v1模型，作為公司智能開發工具的基座模型，并在2024年8月升級為DeepSeek-v2模型。2025年伊始，隨著DeepSeek-R1模型的發布，博時基金迅速完成內部部署，并開始探索它在投資研究、投資顧問服務和軟件開發等方面的應用。
永贏基金透露，DeepSeek已經在基金行業的多個核心業務場景中發揮重要作用，例如，在投資研究領域，DeepSeek能夠快速解析大量研究報告，提取關鍵信息，幫助研究員節省時間并提高研究效率。
除了提升投研流程效率，AI對基金經理的投資框架的影響或更為深遠和有意義。
無論是指數增強基金還是主動量化基金，目前國內公募的量化投資主要還是以傳統的線性多因子模型居多，一些量化基金所謂的策略甚至以基金經理主觀意志為主，被認為是“人工量化”。
不過，隨著擁有相關學科背景的人才陸續加入公募基金經理行列，以及AI技術的不斷突破，公募基金量化團隊實力持續提升。越來越多基金經理嘗試對投資框架進行升級迭代，擺脫情緒波動對組合投資的負面影響。
入行初期，施榮盛表示，使用的也是傳統的線性多因子模型，但是在實踐過程中遇到諸多問題。比如，線性模型的理論基礎是計量經濟學，而計量經濟學通常基于稀疏性假設，盡管稀疏性假設在計量經濟學中的應用有其理論和實際的合理性，但在面對金融市場的復雜性時，這種假設往往與現實世界中的復雜關系不吻合。實踐上，構建模型時為了確保模型的穩定性和解釋能力，在組合因子時往往只能選擇并納入少量的關鍵因子，這樣就使得有時在多因子模型中增加新因子變得異常困難。
結合理論與實踐，施榮盛在2020年初將研究重心轉到了機器學習方向。面對當下所處的高維數時代，以及機器學習在量化投資中獲得成功應用的事實，施榮盛談到，把當年做博士論文的鉆研精神拿出來，踏踏實實地學習研究，不斷地請教同行和其他領域的AI專家等。他表示，經過3年左右的探索，終于開發出一些適合公募基金投資的機器學習和深度學習的量化模型。
海富通滬深300增強的AI選股模型也完全取代了傳統的線性模型，其核心優勢在于信息提取能力更強，尤其是神經網絡，其結構更加靈活。
匯添富國證2000指數增強基金經理表示，投資管理過程中盡量避免對組合持倉的直接干預，將投資觀點和思想轉化為規則化的量化投資策略，審慎地調整量化策略去間接調整組合持倉，以保證投資管理的可復制性，同時避免情緒波動對組合投資的負面影響。
責編：戰術恒
校對：廖勝超
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
