從單兵作戰(zhàn)到集群協(xié)作 AI拓展量化投資能力邊界

今年以來(lái)，隨著AI Agent以及其他AI技術(shù)、模型的快速迭代，量化私募的投研工作正經(jīng)歷深刻的重塑。從因子挖掘到策略建模，從交易執(zhí)行到風(fēng)險(xiǎn)控制，AI正從輔助工具進(jìn)化為可協(xié)同作業(yè)的“數(shù)字研究員”。然而，效率躍升的另一面，是“過擬合陷阱”“協(xié)同幻覺”等深層隱憂的出現(xiàn)。AI究竟在多大程度上改變了量化投資的能力邊界？量化機(jī)構(gòu)的技術(shù)積累又將如何影響更廣泛的AI生態(tài)？圍繞這些問題，記者近期調(diào)研了多家百億級(jí)量化私募及行業(yè)第三方機(jī)構(gòu)。

效率裂變下的“協(xié)同作戰(zhàn)”

“AI技術(shù)的快速發(fā)展，大大提高了工作效率，AI可以替代大部分簡(jiǎn)單的IT開發(fā)工作。”百億級(jí)私募念空科技總經(jīng)理王麗在接受記者采訪時(shí)表示，AI在因子挖掘上也有較大貢獻(xiàn)，“不僅效率高，而且邊際效應(yīng)下降慢，傳統(tǒng)的人工挖因子模式，隨著人才的流動(dòng)，因子的有效性會(huì)衰減”。

這一判斷得到了行業(yè)數(shù)據(jù)的印證。好買財(cái)富旗下新方程研究員郭新宇透露，某量化私募創(chuàng)始人曾披露過一組對(duì)比數(shù)據(jù)：同等產(chǎn)出目標(biāo)下，傳統(tǒng)手工投研需耗時(shí)90至180天，而其自研的AI Agent矩陣僅需7天即可完成，極大壓縮了策略研發(fā)周期。

郭新宇進(jìn)一步分析稱，今年以來(lái)Agent的應(yīng)用已從單點(diǎn)任務(wù)的自動(dòng)化輔助，升級(jí)為可協(xié)同、可迭代的集群作業(yè)，直接改變了因子挖掘、研報(bào)解析、數(shù)據(jù)清洗等核心環(huán)節(jié)。“過去依賴人工的單點(diǎn)操作，如今已轉(zhuǎn)變?yōu)橛砂缪莘治觥⒀芯?、評(píng)判等不同角色的Agent協(xié)同完成，實(shí)現(xiàn)了因子的高效裂變與精選?！?/p>

百億級(jí)私募蒙璽投資相關(guān)負(fù)責(zé)人在采訪中則展現(xiàn)了更完整的AI應(yīng)用圖景。據(jù)其介紹，目前AI已不是一個(gè)孤立工具，而是“在量化投研和交易體系中逐步嵌入的一種能力”，具體應(yīng)用覆蓋數(shù)據(jù)處理和因子挖掘、策略研發(fā)和預(yù)測(cè)建模、交易執(zhí)行和風(fēng)控輔助、研究流程提效等環(huán)節(jié)。其中，AI擅長(zhǎng)處理文本、輿情等復(fù)雜非結(jié)構(gòu)化數(shù)據(jù)，非線性模型也已較早引入，從樹模型逐步發(fā)展到深度學(xué)習(xí)?！霸诟?xì)顆粒度的執(zhí)行環(huán)節(jié)，AI可以幫助更快地識(shí)別微觀結(jié)構(gòu)特征、優(yōu)化下單時(shí)機(jī)、輔助交易成本控制?！痹撠?fù)責(zé)人表示。

不過，該量化私募人士同時(shí)介紹，目前其所在機(jī)構(gòu)對(duì)AI的使用“比較積極、比較審慎”。一方面，公司啟動(dòng)了“AI賦能”專項(xiàng)計(jì)劃，成本不設(shè)限，探索高價(jià)值A(chǔ)I類工具應(yīng)用的無(wú)限可能；另一方面，AI更多地在于配合研究員日常工作、提升投研效率，“需要注意的是，現(xiàn)階段AI在直接投研增益上依然有限”。

“賦能引擎”與“潛在風(fēng)險(xiǎn)”

效率的提升毋庸置疑，但AI是否真正帶來(lái)了投資能力的“質(zhì)變”？

對(duì)此，王麗給出了肯定的回答。她舉例稱，公司旗下的“由AI驅(qū)動(dòng)的期權(quán)CTA模型”，在市場(chǎng)極端下跌行情下，可以有效對(duì)沖大盤的尾部風(fēng)險(xiǎn)，對(duì)股票端形成有效的保護(hù)，從而構(gòu)建出高度負(fù)相關(guān)的低波多策略組合。她表示：“這是傳統(tǒng)的中性策略或者套利策略無(wú)法達(dá)到的效果?！?/p>

然而，AI的能力邊界同樣引發(fā)了業(yè)內(nèi)反思。郭新宇在采訪中直指AI應(yīng)用的核心痛點(diǎn)——“過擬合陷阱”與“協(xié)同幻覺”。

“AI Agent在因子挖掘中極易陷入‘過擬合陷阱’，在數(shù)據(jù)清洗環(huán)節(jié)可能引入不易察覺的偏差?！彼Q，更為棘手的是，在復(fù)雜任務(wù)鏈中，“多個(gè)Agent間容易產(chǎn)生‘協(xié)同幻覺’并相互放大錯(cuò)誤，且缺乏有效驗(yàn)證機(jī)制制衡?！边@意味著，在面對(duì)極端尾部風(fēng)險(xiǎn)或突變的風(fēng)格切換時(shí)，AI若脫離嚴(yán)密的風(fēng)控體系，反而可能放大風(fēng)險(xiǎn)。

有量化私募人士表達(dá)了類似的審慎態(tài)度。一位不愿具名的百億級(jí)私募投研負(fù)責(zé)人透露：“我們?cè)趩我徊呗陨峡吹紸I的產(chǎn)出相當(dāng)驚人，但當(dāng)市場(chǎng)風(fēng)格出現(xiàn)快速切換時(shí)，部分AI模型的表現(xiàn)并不穩(wěn)定，仍需人工干預(yù)和邏輯校準(zhǔn)?！痹撍侥既耸恳渤姓J(rèn)，在目前量化行業(yè)新一輪的人機(jī)協(xié)同和“AI Agent的滲透”中，底層數(shù)據(jù)的可靠性和不同量化投研環(huán)節(jié)銜接問題，也正在得到更有力的處理，相關(guān)潛在風(fēng)險(xiǎn)點(diǎn)最終有望排除。

蒙璽投資相關(guān)負(fù)責(zé)人則從更宏觀的視角給出了判斷：“AI的發(fā)展，讓量化研究員的工作重心從體力化研究轉(zhuǎn)向認(rèn)知化研究和系統(tǒng)化治理。一些重復(fù)性、標(biāo)準(zhǔn)化、可流程化的投研工作，逐漸由AI完成；一些高維度的投研工作，依然高度依賴研究員的判斷和決策?！痹撠?fù)責(zé)人認(rèn)為，AI提升了量化行業(yè)的發(fā)展上限，“但目前并沒有從根本上顛覆過往的投研模式”。

從“技術(shù)消費(fèi)者”到“生態(tài)貢獻(xiàn)者”

量化機(jī)構(gòu)在AI領(lǐng)域的長(zhǎng)期投入，正在產(chǎn)生超越投資本身的溢出效應(yīng)。

王麗向中國(guó)證券報(bào)記者透露，近兩年念空科技一直在致力于各類大模型的應(yīng)用研究，包括國(guó)產(chǎn)大模型。在算力儲(chǔ)備上，“公司同時(shí)儲(chǔ)備了英偉達(dá)、阿里還有華為的GPU，我們也在不斷關(guān)注國(guó)產(chǎn)算力的迭代”。

頭部機(jī)構(gòu)的技術(shù)外溢則已形成更大聲勢(shì)。郭新宇表示，幻方量化推出了DeepSeek系列模型，九坤投資的至知?jiǎng)?chuàng)新研究院開源了代碼大模型IQuest-Coder，“這些舉措表明，量化行業(yè)的算力與大模型能力已在反哺更廣泛的AI生態(tài)”。

多位量化私募人士表示，量化機(jī)構(gòu)本身?yè)碛袠O強(qiáng)的算力基礎(chǔ)設(shè)施和技術(shù)人才儲(chǔ)備，在海量數(shù)據(jù)處理和低延遲計(jì)算上的技術(shù)積累，與大模型訓(xùn)練有著天然的重疊，這使得量化私募從“技術(shù)消費(fèi)者”轉(zhuǎn)變?yōu)椤凹夹g(shù)貢獻(xiàn)者”具備了現(xiàn)實(shí)基礎(chǔ)。

蒙璽投資相關(guān)負(fù)責(zé)人則從人才角度給出了觀察：“未來(lái)量化機(jī)構(gòu)的投研人數(shù)未必會(huì)大幅下降，但人才結(jié)構(gòu)一定會(huì)變化，懂?dāng)?shù)據(jù)、模型、善于使用AI等新興技術(shù)的人會(huì)更加稀缺?！?/p>

此外，郭新宇在采訪中也表示，未來(lái)兩到三年，最成功的量化機(jī)構(gòu)必將是把頂尖AI基建與自身數(shù)據(jù)資產(chǎn)、組合管理及風(fēng)控體系深度綁定、堅(jiān)持“人機(jī)協(xié)同”的機(jī)構(gòu)，而非盲目追求“全自動(dòng)無(wú)人投研”。量化行業(yè)在AI相關(guān)生態(tài)發(fā)展的先行經(jīng)驗(yàn)，也完全可以成為許多其他行業(yè)在AI應(yīng)用和研發(fā)上的參考。

?

編輯：胡晨曦

?

聲明：新華財(cái)經(jīng)（中國(guó)金融信息網(wǎng)）為新華社承建的國(guó)家金融信息平臺(tái)。任何情況下，本平臺(tái)所發(fā)布的信息均不構(gòu)成投資建議。如有問題，請(qǐng)聯(lián)系客服：400-6123115