下載APP
在變局中開新局
字體：
小
中
大
◎長城基金總經理助理，量化指數投資部總經理 雷俊
機構量化投資正在發生變化。一方面，機構行為逐漸趨同于市場貝塔，導致機構量化投資難以顯示優勢；另一方面，市場定價效率顯著提高，傳統量化投資的基本因素收益率逐漸縮小。
經過19年的發展，ETF的數量和規模不斷增長，大量資金流入ETF市場。ETF的快速增長顯著提高了市場的有效性，使被動指數投資在資本驅動的市場中具有更多的優勢。被動復制產品的逐年增長吸收了大量的市場資金，機構投資者在市場指數中的頭寸比例增加，因此指數結構變得更加機構化。這意味著機構更難擊敗該指數。
目前，隨著信息的高效傳輸，市場定價效率大大提高。許多信息在發布后不到10分鐘，甚至在發布前10分鐘就被市場完全吸收。在高效的市場環境下，信息差帶來的紅利逐漸收斂，行業分化加快。在量化投資中，隨著市場定價的充分，基本面因素的定價效率不斷提高，導致因素收益下降。這可能是由于投資者因素選擇的趨同或緊縮的市場資本環境。
在挑戰的背后，我們仍然可以抓住時代賦予的機遇，量化投資仍然有利：
首先是投資廣度的回歸。從a股上市公司的結構變化來看，10年前有2000多家上市公司，現在已經增加到5000多家，市值普遍較小。全面注冊制實施后，小盤股效應更加明顯。從流動性的角度來看，量化投資適用于小盤股、微盤股或某一細分。
二是市場價值因素的回歸。由于宏觀基本面和新興產業的發展趨勢，小微股自今年以來表現良好。目前，小市場價值的風格將繼續下去。在股票市場上，定量投資仍然可以抓住良好的短期機會。
最后是人工智能的賦能。在傳統的定量投資中，線性思維很容易導致模型錯過有效的因素收益信息，在因素挖掘端和合成端缺乏非線性思維。機器學習可以很好地構建非線性模型，擴展到挖掘文本、圖像等非線性數據。在計算能力和數據充足的情況下，我們可以通過文本挖掘和圖像挖掘來給定量投資帶來新的授權。同時，在深度學習的框架下，時間序列的模型變得更加豐富。因此，在人工智能的授權下，因素挖掘可以通過注意機制和時間序列建模來增強收入，并在非線性模型中與因素合成等其他環節形成互補的收入。量化模型最終形成的大量非結構數據可以進一步擴展因素庫。
2023年，我們在中小市值產品上全面擁抱AI，在變局中開新局。傳統的定量投資通常使用殘余回歸進行風險控制和因素挖掘，但現在我們可以在不同層次的網絡結構中自由調整損失函數（loss function），努力描述端到端因素和風險的投資機會，以實現控制特定風險的因素挖掘。利用人工智能精細化投資，可以減少產品的相對波動，優化投資體驗。
在定量投資中，深度學習和其他人工智能技術的市場非常廣泛，相關的研究和應用也顯著增加。對我來說，使用人工智能授權的產品以及如何讓投資者更好地接受它是一個更大的考驗。（CIS)
(注:隨著市場等因素的變化，上述觀點可能會發生變化，不另行通知。基金有風險，投資要謹慎。)
消費界所刊載信息，來源于網絡，傳播內容僅以學習參考使用，并不代表本站觀點。本文所涉及的信息、數據和分析均來自公開渠道，如有任何不實之處、涉及版權問題，我們會及時處理，舉報投訴郵箱：Jubao_404@163.com，
相關資訊
未經書面授權不得復制或建立鏡像，違者必究。
Copyright © 2012 -2023 CONSUMER TIMES. All Rights Reserved.
深圳市贏銷網絡科技有限公司版權所有
粵ICP備14076428號
粵公網安備 44030702005336號