泓德基金AI Lab负责人李子昂：数字化智能化为投资赋能，积极融入AI时代
在近日举办的2023金融街论坛上，证监会副主席强调，打造一流的投资银行和投资机构是当前的重点任务。对此，相关市场主体应深刻认识到金融科技数字化转型对其业务的巨大支持与赋能作用。这一转变不仅是简单的技术升级，更是金融行业的深刻革新。为了更好地适应数字化时代的需求，金融机构必须进一步提升自身的数字化水平。通过深度挖掘数据价值、运用先进的科技手段，我们能够更加精准地把握市场动态，制定出更为有效的投资策略。这一趋势在量化投资领域尤为明显，深度神经网络模型的应用，让市场规律的挖掘更加深入，为投资者带来更为可观的收益。特别是在AI选股策略方面，通过对超大量数据的非线性特征进行提取，我们能够挖掘出Alpha，力争实现超额收益，为投资者创造更大价值。
证监会副主席强调金融科技的赋能作用
随着金融科技的不断进步，数字化已成为金融行业发展的必然趋势。在此背景下，证监会副主席的发言为我们指明了方向。数字化转型不仅能够提升金融机构的服务效率，更能为其带来全新的发展机会。特别是在量化投资和AI选股策略方面，数字化技术的应用已经取得了显著的成果。未来，金融机构应继续深化数字化转型，以更好地适应市场需求，为投资者带来更为丰厚的回报。金融机构正通过科技赋能，加速数字化转型，这一趋势对公募基金的核心投研能力产生了积极的影响。以泓德基金为例，该公司自2019年开始重视AI选股策略，并于当年跟进。到了2022年底，泓德基金已经筹备AI实验室。今年4月，由公司总经理亲自牵头，成立了AI Lab人工智能实验室，专注于AI策略开发，为基金组合策略赋能。目前，泓德基金针对多项指数都在进行模型跟踪和调优，展现出了前瞻性的布局视野。
泓德基金AI Lab的负责人是李子昂，他拥有美国哥伦比亚大学理学硕士学位，并在投研领域拥有9年的经验。他曾在北京隆慧投资有限公司、华商基金、泰达宏利基金等多个知名机构任职，积累了丰富的投资研究经验。加入泓德基金后，他曾任特定客户资产投资部投资经理，现在负责泓德基金AI Lab，专注于AI策略的研究与应用。
近日，李子昂接受了媒体采访，详细介绍了目前泓德基金AI Lab的AI策略工作。他表示，随着科技的不断发展，AI在投研领域的应用越来越广泛，泓德基金通过成立AI Lab，结合人工智能与金融投资，不断提高投研的精准度和效率。未来，泓德基金将继续探索科技在投研领域的应用，为投资者提供更加优质的服务。在学术领域，他的研究焦点一直聚焦在神经网络模型上，即便那时神经网络尚未展现出如今的强大能力。近年来国内金融机构开始逐渐应用AI挖掘因子，特别是利用神经网络挖掘出稳定且有效的因子，并将其应用于量化投资领域。受到这一趋势的启发，他开始构建用于选股的神经网络模型，并将这些策略应用到实际投资中，结果符合预期。
在投资框架的构建上，他巧妙地运用了AI选股策略。通过深度神经网络，他能够精准地挖掘出量价中的Alpha特征。相较于传统的方法，他选择用深度学习来解决因子挖掘和合成的问题，这样能更有效地从高频特征中提取隐藏的Alpha，从而实现超额收益。
在李子昂的眼中，投资回报的奥秘可以被剖分为Alpha和Beta两大要素。他深入解析整体收益显著的原因，发现Beta部分中的中证500、中证1000等指数表现优异，相较于之前风头无两的茅指数、宁组合更胜一筹。而在Alpha的层面，部分机构运用更多元化的交易数据和创新方法，从更广阔的数据海洋中提炼出更多有价值的Alpha，进而在超额收益上有所体现。
李子昂在运用AI选股策略时，更专注于挖掘Alpha的潜力，他并不依赖过度冒险来追求收益。他深知资产配置与分散投资对于优化组合风险收益特征的重要性，努力降低因市场风格变化带来的风险。他稳健的投资风格，旨在实现长期稳定的投资回报。
这样的投资策略，既体现了李子昂对市场的深刻理解，也展示了他对投资者负责的态度。他追求的，是在复杂多变的市场中，找到那个既能实现收益，又能控制风险的平衡点。AI技术为投资注入强大活力，“积极融入AI时代”成为行业新呼声
随着AI和深度学习的飞速发展，传统的投资模型策略正面临新的挑战。尤其是多因子模型中的基本面因子，在Alpha挖掘方面出现了波动，一些长期稳定的Alpha因子甚至逐渐显现出偏Beta因子的特性。
面对这样的变革，从业者们正积极寻找新的信息和框架以优化模型。李子昂指出，部分投资者开始深入挖掘交易信息中的增量信息或超额收益特征。利用神经网络模型的强大拟合功能，他们成功地提取了组合特征，并对未来趋势进行了准确的预测。这一创新方法已经在实际应用中取得了令人瞩目的成果。
在AI的助力下，投资领域正迎来全新的发展机遇。投资者们纷纷意识到，只有积极融入AI时代，紧跟技术发展的步伐，才能在激烈的市场竞争中立于不败之地。随着市场的非线性逻辑逐渐被认识到，传统的线性量化模型已不能完全捕捉Alpha。AI模型，特别是深度神经网络，开始在量化投资领域崭露头角。其强大的特征提取能力，尤其是处理隐含的Alpha特征时，表现尤为突出。
对于AI在量化投资中的助力，可谓体现在两方面。其一，AI能够深入挖掘大量数据中的非线性、非显性因子Alpha，这是传统模型难以触及的领域。其二，AI模型能够轻松应对非结构化数据的挑战。
那么，何为非结构化数据？这些数据包括研报、新闻、专家访谈、调研纪要等非数字的文本信息。借助先进的AI模型，如ChatGPT等，我们可以将这些数据与未来的股票收益建立联系。卷积神经网络在图像识别方面的能力，使得K线图的标准化处理成为可能。结合技术指标，与未来股价表现建模，AI在量化投资中的应用价值得到极大体现。
在这个数据驱动的时代，AI技术为量化投资带来了前所未有的机遇。其强大的数据处理能力和模式识别能力，使得投资者能够更准确地预测市场趋势，从而实现投资的最大化收益。在数字化时代，AI技术的广泛应用引发了关于其是否会取代基金经理的热烈讨论。李子昂指出，这个问题的核心在于AI是否具备独立投资的能力。
目前，AI在投资领域扮演的是辅助角色，已经展现了一定的智能性。在复杂的量化投资领域，AI模型还无法自发地设计新的策略以适应多变的市场环境。现阶段，AI的表现反映的是其设计者智慧和想法的延伸。从业者在运用AI进行投资时，需具备科研精神和工程能力，不断激发灵感，迭代模型，确保投资策略的有效性，以适应市场的变化。
李子昂还强调，尽管AI有其局限性，但我们仍应积极拥抱这个时代，努力接触并尝试利用AI来提升工作效率，从中获取更多的知识和信息。只有这样，我们才能在数字化浪潮中立足，不被时代所淘汰。从历史数据和投资视角来看，投资收益可细分为估值与盈利两大块。当前，主流宽基指数呈现出较低的估值状态。在这种低估值的环境中，若企业盈利能够维持稳健的增长态势，那么长期投资的机会将应运而生。当短期估值出现偏离时，其修复的空间将会十分广阔。这样的市场状况，对于寻求长期收益的投资者来说，无疑是一个值得关注的时机。