18世纪末电报还未普及，伦敦的投机者为了提前知晓荷兰阿姆斯特丹股市行情，训练信鸽穿越英吉利海峡传递报价单。这些经过特殊训练的信鸽群，跨越300公里海域，将关键行情信息压缩在6小时内送达。这种方式成本极高，当时只有顶级投行和贵族投资者才能负担。

而技术革新，逐步瓦解了这种信息特权。从莫尔斯电码突破信息传递的时空限制，到AI算法解析非结构化数据，信息处理效率指数级跃升。AI技术发展，推动资本市场竞争从“金钱换信息”转向“数据价值挖掘”，重构行业逻辑。

基本面量化，长周期投资逻辑重构

胡羿的量化基因，早在学生时代便已埋下伏笔。本科时期参与的数学建模项目，让他深谙“用数量刻画现实”的思维方式，而研究生阶段对金融学的系统学习，则为这一思维找到了最佳实践场景。胡羿认为，“量化投资本质是投资逻辑的数字化表达”，这种将抽象逻辑转化为可计算模型的能力，使他在毕业后毅然投身量化领域，专注于“用数据说话”的投资哲学。

量化与主观并非对立，就像“同一内容的不同语言版本”

不过，在胡羿看来，量化与主观并非对立，而是如同“同一内容的不同语言版本”，也因此，他在浙商基金的量化实践中，始终将“基本面量化模型”作为核心研发方向。这既符合公募基金的风险收益特征，也指向AI技术与产业逻辑的深度耦合。相较于私募高频交易的“短周期博弈”，公募更注重长期超额收益的可解释性，而基本面量化通过挖掘企业内在价值驱动因子，天然适配这一需求。

相较传统主动投资覆盖股票范围更广，相较纯量化投资研究深度更深

胡羿主导的基本面量化策略，先从盈利质量、经营质量等主观基本面角度对公司进行定量分析，再基于多因子体系进行个股选择，并在模型设计中融入主动研究观点构建精细化分域模型，形成改进版多因子框架，通过整合估值、成长、质量等200余个因子，构建起覆盖全行业的多维度评价体系。这一策略相较传统主动投资覆盖股票范围更广，相较纯量化投资研究深度更深，实现了两者优势的综合输出。

AI赋能，工业化投研体系实践

浙商基金的AI工业化投研体系，已经实践了11年，并经历迭代更新积累了深厚的科技底蕴。“AI技术赋能投研”是胡羿基本面量化模型与传统量化模型相比最突出的差异化特色，他摒弃“黑箱预测”的技术陷阱，聚焦AI模型在投研流程中的工具化应用，构建起兼具科学性与实用性的AI赋能投研体系。

胡羿介绍，AI智能与传统量化有效融合，主要体现在两个方面：

工业化投研体系的竞争力，在于将传统投研的“单兵作战模式”转化为“标准化产能”。

在这一体系下，团队成员将各自的专业优势发挥到极致，最终形成集体智慧，提高投研效率和决策的准确性。通过AI模型，可以将单个主观研究员覆盖10-20个细分行业的能力，扩展至全市场行业的追踪，突破传统投研依靠“个体经验”“主观判断”构建的投研壁垒。胡羿以标准化、规模化的技术应用，实践着量化投资从“艺术化的个体创造”进化为“工业化的系统输出”，这是应对当下复杂市场环境、力争提供更稳定业绩输出的破局之道，也是资本市场在AI时代的进化方向。

服务更广泛的投资需求

胡羿认为，基本面量化只是实现投资目标的一种工具，不管是主动还是量化，或者是在做的AI策略，都是在探讨如何在复杂的市场环境中，为投资者提供更稳定、可持续的长期回报。这也是浙商基金坚持AI战略并推动工业化投研平台体系搭建的初衷——更好地服务投资者。

目前AI团队针对不同产品策略条线，搭建了丰富的产品子策略模型，该策略体系支持下的多样性产品，几乎可以满足广泛的投资者需求。比如在指数增强产品体系中，有负向因子剔除、动态因子合成等，不想承受太多主动风险的投资者可以考虑此类产品；主动量化产品中，运用行业模型构建行业轮动策略，融合多个风格选股子策略，适合关注市场动态、能够承受一定波动并力争更高收益可能性的投资者。

对于投资者而言，胡羿的实践提供了一种兼具科学性与温度的长期陪伴——AI模型的高效运算背后，是对产业逻辑的深刻理解；系统化的策略输出之下，是对风险收益特征的精准刻画。这种“技术理性”与“投资本质”的平衡，让浙商基金的AI工业化投研体系不仅是资本市场的有效实践，更是投资者穿越周期的有力武器。

站在AI赋能投研实践的第十一个年头，浙商基金始终坚守初心，以持续迭代的工业化投研体系，让投资回归本质，让收益源于认知。这份对技术理性与投资本质的双重坚持，不仅是对服务行业高质量发展的深刻回应，更以“为投资者创造可持续回报”的使命，诠释着AI时代最具温度的长期主义。

滑动查看完整风险提示