中证网
返回首页

国联基金陈薪羽:以AI量化赋能指数增强

葛瑶 中国证券报·中证网

  基金公司于2023年9月扎堆上报中证2000指数增强型基金,而在2024年春节假期前,小盘股出现较大回撤和流动性危机。虽然市场上一度出现了对量化策略在小市值赛道拥挤度的质疑,但超额收益的迅速反弹和恢复一定程度上仍说明了量化策略的有效性。

  国联基金旗下国联智选先锋产品发行在即,负责管理这只产品的是国联基金量化与指数投资部基金经理陈薪羽。

  “量化永远是我们观测和研究市场的工具。”北大数学专业出身,扎根国联基金7年,陈薪羽谈起公募量化与人工智能(AI)模型时,神采奕奕。

  以“大道至简”为底色,陈薪羽认为,好的投研需要在不断尝试后沉淀。他偏好将主动投资的深度与前瞻性,同量化投资的广度与趋势性相结合,始终保有对AI公募量化的强烈探索欲。

  AI模型不断迭代

  自ChatGPT面世以来,AI热度居高不下。在这一话题进入大众视野前,国联基金便已经开始着手研发人工智能量化模型。“AI算法赛道的未来,就是在人力、算力模型的迭代上去‘卷’。开发策略是一个需要不断迭代的过程。”陈薪羽告诉中国证券报记者,国联基金团队在人工智能研究框架的研发上,已投入了约一年半的时间。

  普通的指数增强策略往往以多因子体系为基础进行构建,而随着人工智能研究框架的引入,传统多因子体系得以拓展。一方面,扩展了因子概念,使统计上不那么显著的特征也能在模型中得到体现;另一方面,扩展了算法层面,提高了模型提取信息的能力。“第一,要实时监控;第二,要用经验去判断不同模型适用怎样的市场环境,识别怎样的数据。”陈薪羽说。

  以人工智能为核心,多周期、多目标为框架,国联基金的人工智能量化框架从特征提取、模型训练、模型选择和预测、组合优化等步骤展开。具体看来,数据库方面,该策略基于“时序数据库”构建高容量、高速度的流分析系统,实现实时响应,打造高效率的一体化投研平台。信息处理方面,该策略追求基本面信息与高频量价信息共振,使两类相关性较低的信息互为补充,分别获取选股和交易的超额收益,共同构成强大因子库。模型运用方面,该策略强调传统机器学习和深度学习的双轮驱动,等权运用经典的树模型与Transformer模型。

  与此同时,陈薪羽和团队也积极探索和研究强化学习领域。“强化学习能根据输入状态,如开盘价、收盘价等,产生买入、持有、卖出等一系列动作,并通过奖励好的结果和惩罚差的结果来不断学习和调整策略。”陈薪羽表示,这种方法使得策略能自我学习,迅速适应市场风格的变化。

  风控作为“稳定”基础

  在陈薪羽看来,公募基金作为普惠金融产品,底色应是“稳定”二字。因此控制风险格外重要。国联基金团队的投资风险管理实行多层次、多角度的监控,基于Barra体系和中国市场风格和行业特征自研风险数据库,以追求行业中性、风格中性、纯正的阿尔法。

  “我们自行研发的风险数据库,使得我们在对成份股权重、行业权重偏离进行严格限制的同时,对主要的市场风险敞口暴露进行了严格控制。”他表示,选股因子在风险因子中的暴露度过高,可能导致持仓股票过于集中而带来极端风险,这会影响模型对选股因子有效性的判断。因此,选股因子的提纯可以进一步挖掘因子的增量信息,提高因子的信噪比,在提高策略超额收益的同时,降低策略回撤。

  陈薪羽解释,一级行业的划分并不能详细刻画个股之间的网络关系,有色能源、机械、汽车行业中的许多个股与电力设备及新能源的个股相关性较高,团队尝试通过公司的主营产品来定位产业链上下游,结合过去个股间股票量价的同步性,进行行业重构,有效捕捉股票的同质性,以提升量化投资策略的稳健性。

  “我们想尝试在公募量化中为投资者提供一只在私募量化中比较常见的高频产品。”陈薪羽如是说。他希望首先可以做到“私募有的我们也有”,通过不断强化学习,最后能够“做得比私募更好”。

  量化是手段而非目的

  在今年主题轮动极致、切换迅速的结构性行情中,量化策略一度成为市场关注的焦点。谈及量化的本质,陈薪羽认为,“量化的本质是研究规律和现象”,从相对宏观的视角解构市场,提炼出适用于不同市场、时间和股票标的的规律及现象,利用这套方法发掘市场的异常定价,并实施套利。

  在煤炭、钢铁等领域积累了行业丰富研究经验的陈薪羽,十分强调主动投资的重要性。“量化永远是观测和研究市场的工具,是手段而非目的。”他认为,主动投资从微观视角看待市场,需要研究、交易的能力;然而,根据数据做出信号的量化,永远不能解决拐点问题和前瞻性问题。

  因此,陈薪羽认为,主动投资与量化投资应当双向结合,“近两年来,量化策略和主动策略都在融合。主动策略在用量化的工具解决广度、趋势性问题,量化策略在用主动的视角和思维解决深度、前瞻性问题”。

  在这背后,支撑陈薪羽投资价值观的是“大道至简”理念。他认为,“大道至简”表现在不断尝试后的沉淀。“投资是认知的变现,成长路径决定反馈机制。好的研究与投资要从好的问题出发,不断尝试和总结,先做加法,再做减法。”他说。

  展望量化投资的未来走向,陈薪羽表示,经过十几年的发展,量化投资已经没有标准的投资框架限制和范式。未来的发展方向是每个团队如何形成自身的投资体系,从细节中产生超额收益。“我和团队将积极探索先进技术比如强化学习、大模型等在量化投资中的应用,发挥工匠精神,细致打磨每一个环节,并加强建立与业界的合作,投身基础科学,赋能量化投资行业高质量发展。”他说。

中证网声明:凡本网注明“来源:中国证券报·中证网”的所有作品,版权均属于中国证券报、中证网。中国证券报·中证网与作品作者联合声明,任何组织未经中国证券报、中证网以及作者书面授权不得转载、摘编或利用其它方式使用上述作品。