量化基金经理的一天是怎样的？AIGC来袭，他们的工作会被取代吗？_世界快消息
随着AIGC等新技术方向的逐步推进，量化基金赛道备受市场关注，也引发了人工智能导致明星基金经理能力平庸化的讨论。
当“机器学习”的阿尔法围棋（AlphaGo）屡次击败人类职业围棋冠军选手后，有关明星基金经理或被人工智能替代的讨论就再未停歇，而随着AIGC等新技术方向的持续推进，公募基金公司突然意识到“低成本”获取明星业绩的可能，以及通过人工智能加持的量化技术，来降低对明星基金经理的依赖，与此同时，明星基金经理的“人脑”选股与量化技术的互相融合产生的选股效果，也有可能使得拥有科技能力的公募基金平台，或对只看“人脑”的明星基金经理产生更高的黏性。
(资料图片)
量化基金经理除了写代码就是调试代码？
每个交易日，量化基金经理的起床时间可能都比其他人更早一些。
2月17日上午七点半，南方基金量化基金经理解锐就开始干活了，这个时候的解锐更像一位科技公司的IT工程师，他需要先检查一些系统，包括数据、因子、策略等多个模块的更新情况，如果出现异常需要及时修复以免影响当天交易。
做完这些事前准备，在上午八点半，解锐和他的南方基金公司量化团队的同事们就要开始内部晨会交流。9点15分，还需要做盘前准备，检查策略模型生成的当天交易列表。
9:30-15:00的开盘时间，如果当天有交易需求，解锐会从开盘开始逐步交易。同时，因为量化研究需要大量的写代码、跑代码、分析结果，所以盘中的时间也会进行研究工作。此外，他也会观察行情变化，从中可能会产生一些研究方向的灵感。
收盘不是全部工作的结束，收盘后的三个小时内可能会参加券商的内部路演，晚饭后，还要进行当天行情的复盘，事实上，作为量化基金经理，“下班”后的工作可能更为繁重。
“尤其是会把一些运算量大的研究放在晚上进行，在睡前要调试完代码并且开始运行，这样可以在第二天进行结果分析。”解锐告诉券商中国记者。
鹏华基金量化及衍生品投资部总经理苏俊杰也向券商中国记者强调，每一个交易日开盘前的工作都必须检查一下夜间程序关于数据及因子的更新情况，同时确认量化模型输出的相关信号，来决定当日组合的交易及调仓；开盘之后，他会下达交易指令，同时持续跟踪市场行情以及投资组合的实时表现，确保组合相对于市场的表现符合预期，并在需要时及时调整组合的权重和配置。如果市场发生重大变化或者模型出现异常，也需要在第一时间采取行动，以尽力避免投资组合出现损失，尽可能减少投资组合的风险。
“量化基金经理实质上大部分工作还是在做研究，写模型。” 长城基金量化与指数投资部总经理雷俊表示，核心工作主要涵盖五项内容，包括清理数据、数学建模、写代码、调试代码、打包程序，这种工作几乎在每一个交易日都是如此。
摆脱公募顶流依赖，“机器学习”选股准确度更高
随着明星基金经理在公募行业的“成本”变得越来越高，以及过度依赖明星基金经理可能带来的客户和资金规模流失风险，越来越多的基金公司将目光瞄向了“成本”较低且有AI技术加持的量化基金产品。
注册制的开启以及A股市场越来越多的股票，使得传统的选股型基金经理迎来难度更高的选股工作，但对量化基金经理而言，这无疑是在股票市场的茫茫大海中突然发现了机会无限的新大陆。一个值得关注的现象是，不仅大型公募基金愿意在量化产品人工智能、机器学习上舍得投入，缺乏明星基金经理资源的中小基金公司，更希望通过成本相对较低的量化产品技术投入，对市场上的明星基金效应进行非对称竞争，券商中国记者注意到，创金合信基金、长城基金、大摩华鑫基金都在强化人工智能和量化基金的布局，而大型公募基金考虑到目前明星基金经理奔私潮，以及对量化基金、人工智能技术的强烈看好，也在不遗余力地加强产品布局。
“鹏华基金的量化基金很早便加入了AI的元素，通过机器学习等方式对海量的数据进行挖掘，同时通过人工智能进行信息整合筛选等。”苏俊杰接受券商中国记者采访时指出，人工智能为公募基金打开了新世界，量化基金选股利用机器学习、自然语言处理、数据挖掘等技术对大量数据进行分析，以实现投资组合优化和风险控制，进而提高投资收益。这些技术可以通过自动化的方式，从大量数据中高效地挖掘出有效的信息，同时减少了人为干预的影响，提高了决策的准确性和效率。因此，在当前信息化快速发展的时代，量化基金的优势越来越明显。
博时基金林景艺也坦言，AIGC技术可以有效提高量化投资的效率，主要体现在策略的数据处理和代码实现上，在博时基金将机器学习技术纳入到量化模型中，可以发现，对于大样本历史数据的分析，机器学习技术确实能提炼出很多在样本内表现卓越的因子和策略，但是其样本外的工作效果依然存在较大的不确定性。
“股票数量越来越多，但是人脑的思考深度和覆盖度是有限的，量化基金的人工智能技术可以弥补人脑思维的局限性。”长城基金雷俊接受券商中国记者采访时表示，在经过大量样本的训练后形成的选股逻辑，在深度上是人脑无法简单理解的。
因为具有人脑所不具备的“机器学习”优势，量化基金产品也比主动选股型基金产品更难适应市场的各种变化。
大摩量化配置混合基金经理王联欣向券商中国记者强调，一般而言，量化基金相比于主动管理基金持仓要分散许多，所以净值弹性相对有所欠缺。不过，在出现整体性上涨的牛市时，量化基金会因为风格稳定、纪律性强而表现突出，而在相对弱势的市场环境下，量化基金也会由于它充分分散的特点而波动较低。
“量化基金产品在股票市场的很多种风格中，几乎都能获得较好的回报。”鹏华基金苏俊杰认为，因为量化基金的投资运作一般是将事先设定的策略和规则转为具体的计算机程序，并且进行资产配置和风险控制，快速做出买卖决策、执行交易，这使得量化策略的收益表现，与股票市场行情的关系并不明显，使量化基金不论是震荡市或是牛市都有可能有机会获得漂亮的收益。
因子有效性各有不同，量化基金需持续迭代数据
量化基金之所以能够在股票市场的千变万化中，持续抓到好股票，核心在于人工智能对各种“因子”的使用。
“各种因子的有效性都在变化，比如最近的技术面因子产生的投资效果就很好。”王联欣告诉券商中国记者，从数据来源上来说，大摩量化配置混合基金在财务类、量价类、情绪类和资金类的因子上都有较深耕耘，但一般会采用动态评价因子表现并进行自适应权重分配的方案，即从因子的实际表现出发，去挑选无论是长期、中期，还是短期来看都能有不错表现的因子进行科学配置，比如过去一年市场进入到相对偏震荡的状态时，大摩华鑫基金公司及时观察到像反转这样的技术类因子表现逆势走强，逐步在组合中增加了技术类因子的配置权重。
在鹏华基金的量化团队中，基金经理苏俊杰在选股上通常会考虑很多种类的因子，主要包括基本面因子、量价因子、情绪因子等。在考虑因子的时候，他通常会更关注那些在不同市场环境下都具有较好表现的因子。
比如，苏俊杰所说的量价因子主要考虑股票价格、成交量等相关指标及之间内在关系，这个因子能很好地衡量市场的交易行为以及买卖强度，是相对高频的指标；比如量价相关性就是很有代表性的量价因子。股票市场中经常会谈及量价齐升，量升价跌等现象，对于股票后续的走势预测有着帮助，于是鹏华基金量化团队便通过计算相关性的方式将这些逻辑因子化，从而运用到模型当中，尽管量价因子与代表各种财务指标的基本面因子的相关性往往很低，但通过两者的结合能起到事半功倍的投资效果。
显而易见的是，因子的有效性在市场中的不断变化，也意味着量化基金若真正实现高度的人工智能，战胜市场，需要持续的迭代策略，尤其是发现和增添新的“高价值因子”，这需要量化基金经理持续挖掘各种数据。
“如果没有进行持续地迭代，选股的有效性会下降。”创金合信基金首席量化投资官董梁说，战胜市场需要不断地进行研究开发，部署新的因子和新的建模方法，寻找新的数据来源，尝试从中开发出新的因子，目前在创金合信基金的生产模型中，有随机森林、遗传规划和深度神经元网络3个机器学习的模块，这些模块在实战中提供了额外的选股能力。
明星基金经理会被替代吗？量化与主动融合成新趋势
当阿尔法围棋频频战胜围棋冠军、围棋明星后，基于AIGC的“机器学习”在投资上的应用，公募行业的明星基金经理是否存在被完全替代的可能？
券商中国记者在采访中获悉，人工智能下的量化基金与主动选股思维的结合，已成为量化基金产品的一种新趋势，这可能意味着顶级基金的选股策略，在人工智能技术背景下依然存在高度的价值认可。
“投资中的人工智能和人脑不是对立，人脑的优势是深度研究，量化投资的核心是广度，若有效结合可以产生很好的效果。”鹏华基金苏俊杰告诉券商中国记者，例如，在主动投资中，投资经理的研究和分析能力可以帮助发现一些特有的投资机会，同时结合量化分析工具对投资组合进行优化和风险管理，可以达到对组合更精细化管控的效果；在量化投资中，机器学习和大数据分析可以帮助发现隐藏在数据中的规律和趋势，此时结合主动投资的一些定性因素来辅助决策可以弥补一些数据规律遗漏的信息；两种投资方式的相互融合可以使投资决策更加全面和有效。
博时基金林景艺也认为，量化是一个过程和工具，而不是最终目的，量化策略设计本身就有从主动投资的分析逻辑中提炼的内容，就一直在走相互融合的道路，同时现在越来越多的主动选股型基金经理也开始运用量化的工具来辅助他们的决策，比如从众多的上市公司中用量化指标筛选出一些值得重点研究和跟踪的标的。
“在核心股票池的维护、月度金股的推荐及评价、模型打分排序等方面，我们的量化团队和主动选股型的基金经理有持续的分享、合作。”创金合信基金董梁说，量化投资的优势在于排雷能力强，在模型的严谨性、更新的及时性、覆盖的全面性以及风险控制上有一定优势，主动投资在个股深度挖掘以及对于宏观环境变化的应对上有着难以替代的优势，如果能将量化与主动投资结合，各取所长，则有可能实现更好的投资收益。
