随着AI智能技术的不断升级和发展,AI智能在金融领域中的应用越来越广泛、深入。近年来,浙商基金一直致力于AI+HI智能投资体系的优化升级,那么,当AI智能遇上股票投资,将会擦出怎样的火花?
3月23日,浙商基金智能权益投资部基金经理胡羿接受了开源证券金融工程魏建榕团队直播邀请,分享了AI智能投资体系的运作以及在市场风格轮动中的应对策略。
以下为直播对话实录:
能系统介绍下您这边的量化策略框架体系吗?
胡羿:我们浙商基金量化团队目前有三个策略导向,分别为:指数增强、固收+、AI基金或主动量化产品。
我这边主要负责指数增强部分,就先介绍一下指数增强的策略框架。我们的指数增强策略主要还是采取常用的多因子框架,并基于组合优化器的方式去生成最终的投资组合。相对于同类产品,我们的特点有两个方面:第一方面,我们使用AI模型动态调整每一期因子的选择与权重,这样的操作方式更能适应我们A股这样变化节奏较快的市场。第二方面,我们加入了很多人类智慧(HI)的观点。这也是整个浙商基金的未来的战略方向。
实际操作中,在投资组合生成之前,要准备好四个要素,分别是:股票池、选股因子、个股约束条件、行业风格约束条件,并从这四个角度出发对指数增强策略进行设计。
第一步,在获取基金给定的股票池之后,首先对该股票池做一定的增强。股票池增强的方式主要为两种:正向增强与负向增强。正向增强的目的主要是增加备选股的样本与整体统计的有效性。而负向增强主要是基于我们的财务预警模型,目的是为了剔除一些具有潜在财务风险的个股。通过第一步所构建的股票池我们大概率可以获得高于基准的超额收益。
第二步,我们在获取股票池之后做因子合成。每一期综合过去一段时间因子的表现,包括因子的拥挤度、因子收益情况等因素,我们动态调整每一期的因子权重。
第三步,在获取因子权重后,我们设定个股的权重约束条件。这一步会引入HI的观点来提高整体模型的胜率。首先对HI的观点进行加工,转化为模型能够识别的形式,例如转化为多空观点输入到模型里。模型会根据不同板块不同的特质,采取不同的集合方法,最终生成每个个股权重上下限的设定。
第四步,设定行业风格约束条件。目前对于行业方面主要采用的是行业中性,在风格方面,主要采用市值中性的方式。以上就是我们指数增强框架的简单介绍。
介绍下您是如何将AI智能与传统量化体系进行完美融合的?
胡羿:我们团队设立之初一直在探索怎么把AI技术应用到投资中,目前也取得了一定的进展,但距离完美答案还有很长的路要走。我们不直接使用AI模型去做预测,因为预测未来本身较为困难。在目前的科技水平与金融市场里,不管是人类还是机器未来的预测都是很难做出来的。
所以即便是收集了一系列数据并训练出一个不错的模型,还是难以判断最新一期的预测是否可靠,因为我们很难搞清楚模型黑箱的内部逻辑。
因此我们的AI模型主要应用于两个场景:
第一个方面,我们把AI模型当作工具来使用。例如:处理文本数据用到NLP;在处理产业链或上市公司关联性的时候,用到一些图模型;同时也会把AI模型用到一些简单的、比较明确的任务,比如我们用AI做聚类,或者做某种函数的生成器。在把AI作为工具的基础上,能够相对清晰地去判断模型的好坏,也方便后续去做改进。
第二个方面,我们会用AI模型做压力测试,考察各个投资标的目前所处状态的分布特征。例如,给定一个投资标的或投资组合,拆解其历史收益是由于哪些因素造成的,测算每个因素的合理回报空间,这样一来可以给出标的的总体目标,对于短期内透支或错杀也能有一个比较数量化的刻画。类似的,从估值角度出发,也可以测算当前基本面状态下合理的估值分布,同时也可以算出条件分布去刻画当前基本面状态下估值上调或下调的空间。有了这些统计分布,我们可以基于不同产品的收益风险特性采取不同的操作,生成不同风险等级的策略,满足不同投资者的需求。
量化因子是量化模型的基础,能介绍下您的量化因子体系和因子挖掘模式吗?
胡羿:目前在用的选股因子大概有200多个,从大类来划分,可以分为估值、成长、质量、舆情、量价这几类。我们因子主要以基本面逻辑为主,70%以上为基本面因子。
按照因子的适用范围来划分的话,大概可以分为两类:一类是适用于全市场选股的全域选股因子,另一类是分域选股因子,适用于特定的板块或特定行业的选股因子。
我们团队现阶段在全域选股因子的挖掘方面花费精力较少。一方面,对我们来说在全域因子挖掘上的投入产出比相对较低。同时现阶段挖掘出来的新因子边际提升较为有限,大多数都可以被之前的因子解释。另一方面是外部各家机构在这个方面做的都比较扎实且深入。因此目前在全域选股因子这一块的开发与迭代上,我们主要采取两种方式:一部分采用与外部机构合作开发的方式,另一部分是基于AI模型去自动生成。同时在AI模型生成方面会做一些限制,提高模型的可解释性,了解因子背后的逻辑。
在分域选股因子这一块,是我们当前研发的重点。与其说是挖掘这些因子,不如说是底层研究成果的因子化。我们对A股上百个细分子板块做了一些基本面量化模型,找出每个行业对应的核心状态指标,跟踪板块的景气度,比较板块内部个股的性价比,最后把结论做成因子化的表述。因子维度我们大概是这样的开发模式。
近几年市场的行业风格轮动较快,您的量化策略框架中是如何应对的?
胡羿:对于行业和风格这两个角度,针对指数增强产品我们的处理方式是不太一样的。
在行业维度上,我们主要采用行业中性的方式,包括对于一些细分的子板块,像白酒、光伏和一些产业的上下游做中性化处理。之所以选择做行业中性,原因出于风控的考虑。当前指数增强产品的主动风险暴露相对控制较为严格,如果放开了行业中性限制,会导致跟踪误差不容易控制在稳定水平。进一步带来主动风险暴露较大的波动,在一定程度上会伤害投资者的持有体验。因此从风控的角度来看,我们的指数增强产品采用行业中性的方式应对行业轮动。
而在风格轮动方面,我们开发了一个风格轮动模型,考察各种风格在当前是否处于超涨或者超跌的状态,是否超出了合理回报,以此来判断当前是否具有性价比。
类比300增强等其他指增基金,500增强基金在投资策略上有何差别?
胡羿:基于基准本身特性的不同,我们在指数增强策略方面会有所调整。相对于其他指数,中证500大概有以下3个特征:
第一,中证500在个股权重上的分布更加均衡,个股权重均匀的分布有利于选股因子信息的表达,减少了低权重的个股对因子空头端的影响,整体更加有利于统计性质表述。第二,相对于沪深300来讲,中证500在行业分布上也更加均衡,可以增加我们行业中性策略的选股空间。第三,中证500目前以中小市值为主,发生错误定价的概率会更大一些,潜在的阿尔法空间也相对高一些。
所以反映在投资策略方面,第一,相对于沪深300来说,中证500内部的量价因子的表现稍微好一点,因此在因子传入上会给予更高的比例。第二,中证500整体的成长性好于沪深300,但整体稳定性相对不如沪深300。在这样的差异下,我们在实际构造投资组合的时候因子的配置会有所差异。第三,中证500对于多因子框架更加友好,总体的超额空间可能也会相对更大一些,所以在模型约束上会放松一些。
相比于主动型基金,结合AI智能的量化基金具有哪些优势?
胡羿:相对于人类来说,AI人工智能更加擅长处理大批量的、定量的任务,而人类则更擅长处理小样本的、定性的判断。在投资上表现为AI模型获取alpha的来源更广,在仓位控制以及风险控制方面更加精细。
我们构建了上百个细分行业的基本面量化模型,用来捕捉每一个细分行业的投资机会。出色的研究员大概能覆盖10个左右的行业,优秀的基金经理大概能覆盖到20-50个行业。AI模型在行业覆盖方面就会更具备优势,AI基金获取alpha的来源相比主动型基金更多。即使是我们对某个行业出现了阶段性的误判,这个误判的后果对产品的整体收益来讲也是相对可控的。因此,AI基金产品对于超额收益的获取能力可能相对更平稳。
另外从信息沟通效率角度来看,不同的AI模型之间的语言体系是相通的,不管是平级的行业AI模型之间,还是有一定上下游资产关系的大类资产配置模型与行业模型之间,都是共用一套语言体系。这样一来信息的传递效率较高,不会出现人类研究员之间的沟通障碍。
最后,在AI基金的交易与风控层面,AI基金的控制力度非常精细。在相同的收益水平下,AI模型的夏普比率和信息比率都会更高一些。
近期市场出现了相对极端的行情,您的量化模型中有相应的调整和应对吗?
胡羿:近期的市场回调的原因,一部分来自于热门赛道的下杀引发的市场整体风险偏好的下降;另一部分是由于外部政策环境的动荡,包括大家对国内经济的担忧,市场风格短期更倾向于保守与防御。对于热门赛道,我们把这一类资产作为风险敞口来对待,对其进行额外的控制。例如应对去年茅指数的下跌,会对茅指数整体的暴露做一定的控制。同时会持续跟踪这一类资产当前拥挤状态,动态的控制整个组合的暴露敞口,降低这类资产的波动对整体组合的影响。
在风格上来说,我们构建了一个风格轮动模型,可以在一定程度上降低短期的冲击。
关注到浙商基金AI+HI相结合的理念,如何理解这两者的结合。
胡羿:对于AI+HI相结合的理念,最关键的是要让AI和HI各自干自己擅长的事情。不管是AI模型投资,还是主动投资,它底层的基本面逻辑是一样的,只不过呈现出来的范式有所不同。浙商基金为了推进这两者的结合,也是在部门架构的设计上做了调整。传统的基金公司的主观投资团队和量化投资团队是属于两个部门的。而在我们公司这两者是属于同一部门,统称为智能权益投资部。
但AI和HI结合并不是指两个部门直接合在一起的。在实际的投研过程中,两者的协同非常多。一方面是AI模型需要从主观团队里面获取支持,在对于具体行业进行深入建模过程中,需要和研究员或主观基金经理进行大量的沟通,了解到他们是如何去做公司具体的模型,如何在细分行业选择相关标的。对这些信息进行进一步的梳理,做一定的统计验证,最后做出一个符合统一范式的模型,随后融入整体的AI投资体系中。反过来,我们AI团队作为研发团队也会对主观团队的研究有一定的支撑。我们做出来的模型除了给量化团队使用外,主观团队也会使用。例如,AI模型会提示主观团队当前的投资机会和风险,并协助主观团队进行数量方面的测算。
结合当前市场情况,你能谈谈今年接下来的市场风格展望吗?
当前阶段,相对于沪深300而言,中证500这种偏中小盘指数的性价比会更高一些。从估值角度来看,中证500的估值处于历史极值的位置,低于历史5%的分位数。
另外我们统计发现,中证500的整体估值与国内社融数据强相关。综合1、2月份公布的数据来看,国内的社融增速逐步趋稳,未来有望迎来上行趋势,相应的中证500的估值也有望抬升。对比之下,沪深300跟美债的相关性较高。在美联储持续推进加息缩表的情况下,在一定程度上会压制沪深300的估值抬升空间,特别是对沪深300中成长风格的股票压制。
从盈利角度来看,未来1到2个季度,不管是沪深300还是中证500,整体上都存在盈利增速下行的预期。因此,综合估值端和盈利端来看,两者会产生一定程度的抵消,指数整体会呈现震荡的态势。但是以中证500为代表的中小盘股,一方面估值已经处于安全边际较强的水平,继续下杀的概率不高。另一方面虽然业绩增速未来有所下滑,但依然是正增长。所以综合来看,中小盘在未来相对于大盘股更有投资的性价比。
从成长和价值的角度来看的话,近期价值风格表现强势。根据我们的测算,价值风格在未来依然会持续表现,但不会像之前那么显著。而对于成长风格,回调空间已经基本到位,考察当前短期的交易拥挤度,成长风格处于赔率较优的区域。因此我们认为,未来短期内,中证500中或更关注成长股和价值股,长期会更多关注成长股。
胡羿
简介|PROFILE
浙商基金智能权益投资部 基金经理
复旦大学金融硕士。2015年开始从事量化策略开发工作,曾任东海证券自营分公司量化研究员、雪松上海资产管理有限公司投资经理。目前负责多因子及指数增强方面策略开发。
滑动查看完整风险提示
2022-03-30 17: 12
2022-03-30 16: 53
2022-03-30 16: 52
2022-03-30 16: 51
2022-03-30 15: 08
2022-03-30 14: 02