十问十答，为你揭开AI量化策略的神秘面纱！

基金经理  孙蒙

北京大学物理专业学士，加州大学洛杉矶分校电子工程专业硕士。2017年7月加入华夏基金，拥有9年证券从业年限，其中包含超3年公募基金管理经验。

 孙蒙：从去年开始，整个市场从风格上来讲不像2020、2021年有那么明确的主线可以去寻找，无论从赛道上，还是从整体风格上一直处于轮动的状态，市场一直在寻找有效的方向。政策上保持相对稳健，往后看还需要观察一下宏观环境大的变化。

数据来源：Wind，中信证券；数据截至2023年6月20日。历史数据不代表未来表现，此处仅为历史数据统计结果，不构成具体投资建议或宣传推介。

在这样的一个大的背景下，今年市场也没有整个特别明确的主题，以AI为代表的像芯片、传媒、ChatGPT，再到中特估等今年相对表现比较好的主题和概念，和过往20201、2022年消费和新能源行业相比，并没有那么明确。

未来还需要一些明显的政策和基本面信号，这样资金会有更加明确的方向，整个市场明显感觉到在等待这样一个机会，可能大家还需要一些时间和耐心。

 孙蒙：简单来说，利用AI和海量数据，通过模型化的方法，寻找市场中被低估或错误定价的标的，从而获得超额收益。同时通过AI算法，让模型能够根据市场环境和自身表现不断地进行学习和进化，从而提高模型对于市场变化和异常情况的适应能力。最终，这样的模型不仅能够提高投资效率和精度，还能够降低人为干扰和情绪波动的影响，能够让模型努力为投资者创造可持续的、更稳定的、有壁垒的Alpha。

AI算法本身就是一个量化的策略，对于所有的量化策略来说都是希望追求尽可能客观，完全从数据本身去出发来形成对于市场有效的刻划，借助AI尽可能把人的一些主观因素或者主观的偏见从整个投资框架里面尽可能地剔除。

我们希望AI可以从历史行情当中尽可能地深入挖掘有效的投资规律，举一个类比的例子，比如智能自动驾驶，人去驾驶的话，会基于人的驾驶经验，包括通过人的视觉对于整个周围环境的处理来去形成驾驶的决策。智能驾驶就是对于周围的环境去做建模，在这个环境基础之下去做一个最优决策，AI投资可以简单类比成智能驾驶系统，选择股票就像我们在马路上去驾驶汽车一样，它会帮助我们寻找我们可能从哪条路走会走得更快，或者哪些局部有风险的，通过对于历史行情的学习总结相对应的规律，什么样的标的是更好的，什么样的标的是我们要去规避的。通过AI的手段能对金融市场形成更有效的刻划。

 孙蒙：以刚刚的例子来说，智能驾驶的场景下可能既有方案有规则性的方式，比如看到红灯之后要停下，人去给车定各种各样存在的规则，车基于人定的规则去做整个驾驶的流程。但是这样可能存在的问题是整个道路其实是相对复杂的，同时人很难把所有可能存在的规则一一列举出来，或者这样的列举一定是冗余的，可能并不在任何场景下都那么有效。目前的智能驾驶解决方案更多是从视觉的角度去出发，它给到汽车是整个面临环境的视频。相当于汽车基于这样一个视频来优化整个决策，整个决策完全是由算法来决定的，并不是人去规定我在什么样的情形下要怎么做。

类比到投资，既往会有比较成熟的投资框架，比如成长投资或者价值投资的框架，都是基于一些规则来去寻找框架下某些更好的标的，但就像智能驾驶仅仅依靠规则并不能适应所有复杂的环境，人所定的规则并不一定能够穷尽所有的最优解。我们希望把整个规则的制定或者整个规律的挖掘完全交给算法，把所有能搜集到的标的相关信息，包括标的所能面临的行情都交给算法，让它自主地去学习，本质就是“在这条复杂的股票道路上面去寻找一个路径的最优解”，希望通过算法自动做深入的信息，包括可能存在的投资路径的挖掘。

 孙蒙：我们模型在任何阶段都非常关注投资的性价比，主要的优势就是在每个行业内精选个股，整体而言，在相对没有明确主线的行情，或者市场更关注本身市场合理定价的环境下表现更好一些。

当大家不再那么关注定价，更多通过情绪或者是一些热点作为整个投资驱动，我们的模型并不太通过这样的方式获得收益，我们也并不觉得这样的投资模式是长期有效的投资模式，在一些热点分化比较严重的行情下，不排除模型在超额收益的表现可能有些失效的情况。

 孙蒙：第一是尽可能发挥模型的优势，在每个行业内去精选个股，努力提升相对基准上的超额收益。

第二是希望通过风险控制手段，把我们觉得不可控的波动做平滑和剥离，希望整个收益曲线尽可能稳健，不太受到大的风格波动的影响。

 孙蒙：市场既然存在，就决定它总是博弈的，易于获得的α会很快变成β。因此我们并不希望行业热点的轮动会对超额收益形成影响。我们在整个仓位上不会做任何择时，市场本身的波动其实并不会对组合有显著影响。

其次是我们在行业、包括风格都做了中性处理，无论行业轮动再怎么热闹，我们坚持在每个行业里优选个股这件事情。好的公司一定是存在背后逻辑支持的，所以并不会随着行情怎么样变。而如果有一个投资策略因为市场行情的变化而出现了大幅回撤，那么这种策略一定赚的是Beta的钱，而不是Alpha的钱，赚的是市场风格的钱。我们从来不愿意去赚市场风格的钱，我们希望的是按既定的策略训练模型，并且希望所有的框架可回溯，让所有应用到实盘的策略或者信号都是经过历史检验的，在每个行业里去精选个股，然后获得超额收益。

 孙蒙：产品本身β的波动比较难控制，我们能主动控制的就是选股端的波动和回撤。这方面主要是通过对于风格上的约束、以及行业中性等去做风险剥离。

同时我个人认为，控制波动的解决方案并不是控制仓位或者控制投资方向，最主要的是努力持续地获显著的超额收益，这样对指数本身的风险也能做相对应的平滑。归根到底，所有的控回撤、控风险，本质一方面超额收益要相对显著，另外一方面要控制超额收益本身的波动，这是我们想通过主动投资努力实现的目标。

 孙蒙：了解量化投资的投资者可能都知道，整个策略的建设其实是一个很长的链条或者有很标准的策略建模流程，从最开始获取数据，到清洗数据，到建模，再到形成策略，再到执行策略，是一个很长的链条。我更希望把我们定位成科研工作者，团队也有点像是一个科学家团队。本着科学探索的精神，超额收益的持续性来源于策略的持续迭代和研究。

华夏的AI小组从2017年开始成立，整个团队一直很稳定，目前团队算上我有6位同事一起支持产品的运作，包括持续对于现有的产品做不断的策略研发和迭代。成员都来自国内外顶尖高校，我们希望能够通过团队紧密协作，能够把所有的链条的每一个环节都尽可能做到最优。

 孙蒙：这个时候，大家没必要对市场过于悲观。随着全面注册制的推出，同时一些不太符合上市条件的公司也已经或逐步退市，A股市场逐步进入到良性循环的阶段，未来A股市场一定也会逐渐成为大家整个资产配置里面非常重要的部分。

尽管最近回调比较大，但没有必要去太悲观，现在市场本身处在相对低估的位置，可以在相对左侧进行长期布局，在投资上进行相对分散的布局、均衡配置，可能是更好的选择。